对软件测试岗位的理解

软件测试这东西，说简单也简单，说复杂也复杂。它的本质就是一句话：验证软件是否按照预期工作，并在各种情况下都表现合理。我给你梳理几个核心概念，帮你建立清晰的地图：

1. 软件测试的定义

软件测试是在受控条件下运行软件，通过观察输出结果和行为，来判断它是否满足需求规范，能否在各种环境下可靠运行。换句话说，就是“找 bug”+“确认没 bug”。

2. 软件测试的目标

验证：软件功能和设计需求一致（做了该做的事）。
确认：软件在实际业务和用户使用中能跑得动（能解决实际问题）。
提高质量：通过测试发现缺陷，推动修复，降低上线风险。

3. 测试的分类

常见的几种维度：

（1）按测试方法：

黑盒测试：只看输入和输出，不管内部逻辑。就像按电视遥控器，不需要知道电路怎么连的。
白盒测试：关心内部实现，比如分支覆盖、循环测试。更像拆开电视去看芯片逻辑。
灰盒测试：介于两者之间，既参考设计文档，又关注输入输出。

（2）按测试层级：

单元测试（Unit Test）：最小颗粒度，通常是函数、类。
集成测试（Integration Test）：不同模块拼在一起跑，看能否协同工作。
系统测试（System Test）：整个系统整体功能是否符合需求。
验收测试（Acceptance Test）：用户或客户来验证，能否满足业务目标。

（3）按执行方式：

手工测试：人亲自操作、点点点。
自动化测试：写脚本或工具来跑，适合回归、重复性强的测试。

（4）按目的：

功能测试：验证功能是否正确。
性能测试：压力测试、负载测试，看在高并发、大数据量下的表现。
安全测试：找漏洞，比如 SQL 注入、越权访问。
兼容性测试：不同浏览器、设备、操作系统下是否都能正常跑。

4. 测试的生命周期（典型流程）

需求分析：理解要测什么。
测试计划：制定范围、方法、资源。
测试设计：编写测试用例。
测试执行：跑用例、记录结果。
缺陷管理：提交 bug、跟踪修复。
测试报告：总结质量、风险、结论。

5. 测试用例与缺陷

测试用例（Test Case）：一条具体的“怎么测”的步骤，包含输入、操作、期望结果。
缺陷（Bug/Defect）：软件表现与期望不一致时，记录下来的问题。

6. 软件测试和质量保证（QA）

测试是发现问题，**质量保证（QA）**更大一层，它包含过程改进、规范、工具、评审等，确保整个软件生命周期都在可控范围。可以理解为：测试是补救，QA是预防。

其实，测试并不只是找 bug，更重要的是：提升软件的可靠性、可维护性和用户体验。这也是为什么现在测试和开发界限越来越模糊，单元测试、CI/CD、自动化测试已经成了标配。

Pytest 学习路图

一、Pytest 是什么

定位：轻量、插件化的 Python 测试框架
优势：写法简洁（不需要类）、fixture 强大、插件丰富、可与 CI/CD 结合
核心理念：测试代码应像生产代码一样干净、可维护

学习笔记

Pytest测试框架快速上手

官方文档

关键词：fixture、mark、parametrize、hook、plugin

二、基础用法

文件与函数命名
- 文件：test_*.py 或 *_test.py
- 函数：test_xxx
断言
- 直接用 assert，pytest 自动输出详细对比
测试执行与分类
- 基本执行：pytest test_xxx.py
- 按关键字：-k
- 按标记：-m
Fixture
- @pytest.fixture 做 setup/teardown
- 作用域：function、class、module、session
参数化
- @pytest.mark.parametrize 支持数据驱动

练习目标：写一个用 requests 测试 GET/POST 接口的用例

三、进阶功能

Mark 标记：@pytest.mark.smoke、skip、xfail
conftest.py：放公共 fixture，例如登录、数据库连接
Hook 函数：动态处理用例执行，如 pytest_runtest_setup
pytest.ini：统一管理运行参数与 mark
插件
- pytest-html：生成 HTML 报告
- allure-pytest：生成可视化报告
- pytest-xdist：并发执行测试

练习目标：用 conftest + fixture + allure 搭建小型接口测试框架

四、结合项目场景

接口测试：requests + pytest + allure，支持 YAML/CSV/Excel 参数化
UI 自动化（可选）：selenium / playwright + pytest
Mock 外部依赖：pytest-mock
数据库校验：pymysql / sqlalchemy

五、工程化与 CI/CD

将 pytest 嵌入 Jenkins / GitLab CI / GitHub Actions
测试报告归档
失败用例重跑：pytest-rerunfailures 插件

六、两周学习路径

第一周：基础 + 简单实战

Day1-2：pytest 基础（断言、执行、fixture、参数化）
Day3：接口测试脚本（requests）
Day4-5：conftest.py、pytest.ini、mark
Day6：pytest-html 生成报告
Day7：复盘 + 整理笔记 第二周：进阶 + 工程化
Day8-9：allure-pytest，美化报告
Day10：hook、自定义命令行参数
Day11-12：数据库验证、mock
Day13：整合成小型测试框架
Day14：在 CI/CD 上跑 pytest

七、接口自动化骨架示例

目录结构

tests/
├── conftest.py           # 公共 fixture
├── test_demo_api.py      # 示例接口用例
├── data/
│   └── api_data.yaml     # 测试数据
pytest.ini                # pytest 配置
requirements.txt

requirements.txt

txt

pytest
requests
allure-pytest
PyYAML

pytest.ini

ini

[pytest]
addopts = -vs --alluredir=./report/allure-results
testpaths = tests
python_files = test_*.py
python_classes = Test*
python_functions = test_*
markers =
    smoke: 冒烟测试
    regression: 回归测试

data/api_data.yaml

yaml

get_user:
  url: "https://jsonplaceholder.typicode.com/users/1"
  method: "GET"
  expected_status: 200
  expected_name: "Leanne Graham"

conftest.py

python

import pytest, yaml, os

@pytest.fixture(scope="session")
def load_data():
    """加载测试数据"""
    data_path = os.path.join(os.path.dirname(__file__), "data", "api_data.yaml")
    with open(data_path, encoding="utf-8") as f:
        return yaml.safe_load(f)

test_demo_api.py

python

import requests, pytest

@pytest.mark.smoke
def test_get_user(load_data):
    case = load_data["get_user"]
    resp = requests.request(method=case["method"], url=case["url"])
    assert resp.status_code == case["expected_status"], f"状态码错误: {resp.status_code}"
    assert resp.json()["name"] == case["expected_name"], f"用户名不匹配: {resp.json()['name']}"

八、运行方式

安装依赖：

bash

pip install -r requirements.txt

shell

brew install allure

运行测试：

bash

pytest -vs

生成 allure 报告：

bash

pytest --alluredir=./report/allure-results
allure serve ./report/allure-results

企业级测试框架——allure

@allure装饰器

@allure是 allure 测试报告框架 中用于标记测试用例元数据的注解（通常在 Java、Python 等语言的测试框架如 pytest、TestNG 里配合使用），作用是给测试用例分类、分层、添加标题，让测试报告更清晰易读，用法核心区别和场景如下：

层级关系（从大到小）：
epic（史诗）→ feature（功能）→ story（用户故事）→ title（用例标题），层层细化，让测试报告结构化，方便团队从不同维度（大模块→小场景）梳理测试覆盖情况，也能快速筛选、定位用例。

`@allure.epic`

作用：标记最顶层的需求 / 史诗级模块，一般用于划分大的业务领域（比如一个产品的不同大板块）。
场景：
比如做电商系统，可定义 @allure.epic("电商平台")，把 “购物车”“订单”“商品详情” 等测试用例都归属到这个大 epic 下，方便从最高维度筛选、统计测试范围。

`@allure.feature`

作用：标记功能模块，比 epic 更细一层，聚焦单个大功能。
场景：
延续电商例子，“电商平台” epic 下，可用 @allure.feature("购物车功能") 标记购物车相关用例（如 “添加商品到购物车”“修改购物车数量” ），用来筛选、组织同一功能的测试用例。

`@allure.story`

作用：标记用户故事 / 业务场景，是 feature 的细分，描述具体的用户交互流程。
场景：
在 “购物车功能” feature 下，用 @allure.story("用户添加商品到购物车并结算") 标记一条用例，说明这是一个完整的用户操作场景，报告里能清晰体现功能→场景的层级。

`@allure.title`

作用：给测试用例设置标题，让报告里的用例名称更直观（替代代码里默认的用例方法名）。
场景：
代码里测试方法叫 test_add_to_cart()，用 @allure.title("验证商品成功加入购物车，库存扣减正确") 后，报告里显示的标题更易懂，直接体现测试意图。

后端自动化测试示例

怎么用pytest写具体的测试用例呢？

比如用户有两个故事：“用户希望将商品加入到购物车后，购物车内可以增加商品的数量”，以及“用户将商品下单后，商品的库存减少，如果库存不足，用户下单失败”

以下为一套 pytest + fixture + allure 报告 的标准化结构，可以直接套上去就能在项目里跑。

目录结构

tests/
│
├── conftest.py             # 全局 fixture 配置（pytest 的钩子）
├── config.py               # 配置文件，比如 BASE_URL、测试账号
├── data/                   # 测试数据
│   └── testdata.yaml
│
├── fixtures/               # 存放 fixture
│   ├── __init__.py
│   ├── client.py               # 封装 requests 会话
│   └── reset_db.py             # 测试前清理或初始化数据
│
├── test_cart.py            # 购物车相关用例
├── test_order.py           # 订单相关用例
└── utils/                  # 工具方法（日志、mock）
    └── db_utils.py

关键文件内容示例

config.py

python

BASE_URL = "http://localhost:8080"

TEST_USER = {
    "id": 1,
    "name": "pytest_user"
}

fixtures/client.py

python

import pytest
import requests
import config

@pytest.fixture(scope="session")
def api_client():
    session = requests.Session()
    session.headers.update({"Content-Type": "application/json"})
    # 这里可以做鉴权，比如 session.headers["Authorization"] = "Bearer token"
    return session

@pytest.fixture
def base_url():
    return config.BASE_URL

fixtures/reset_db.py

python

import pytest

@pytest.fixture(autouse=True)
def reset_db():
    """
    每个用例前，清理或重置测试数据。
    可以通过 SQL、HTTP 管理接口、mock 数据实现。
    """
    # reset logic, e.g., 清空购物车、恢复库存
    yield
    # teardown 可选

test_cart.py

python

import pytest
import allure

@allure.feature("购物车模块")
@allure.story("用户将商品加入购物车")
@pytest.mark.parametrize(
	"user_id, product_id, qty", 
	[(1, 101, 1), (1, 101, 2)]
)
def test_add_to_cart(api_client, base_url, product_id, qty):
    with allure.step("调用接口：加入购物车"):
        resp = api_client.post(f"{base_url}/cart/add", json={
            "user_id": user_id,
            "product_id": product_id,
            "quantity": qty
        })
        allure.attach(str(resp.json()), "接口返回", allure.attachment_type.JSON)
        assert resp.status_code == 200
        assert resp.json()["success"]

    with allure.step("调用接口：查询购物车"):
        cart = api_client.get(f"{base_url}/cart/{user_id}").json()
        allure.attach(str(cart), "购物车详情", allure.attachment_type.JSON)
        item = next((i for i in cart["items"] if i["product_id"] == product_id), None)
        assert item is not None
        assert item["quantity"] >= qty

报告效果

yml

购物车模块 > 用户将商品加入购物车 > test_add_to_cart[101, 1]
   步骤 1: 调用接口：加入购物车   ✅
       附件: 接口返回 (JSON)
   步骤 2: 调用接口：查询购物车   ✅
       附件: 购物车详情 (JSON)

test_order.py

python

import pytest
import allure

def get_stock(api_client, base_url, product_id):
    resp = api_client.get(f"{base_url}/product/{product_id}")
    return resp.json()["stock"]

@allure.feature("订单模块")
@allure.story("用户下单成功或失败")
@pytest.mark.parametrize(
	"user_id, product_id, qty", 
	[(1, 101, 1), (1, 101, 9999)]
)
def test_order_stock(api_client, base_url, product_id, qty):
    with allure.step("查询下单前库存"):
        stock_before = get_stock(api_client, base_url, product_id)
        allure.attach(str(stock_before), "下单前库存", allure.attachment_type.TEXT)

    with allure.step("调用下单接口"):
        resp = api_client.post(f"{base_url}/order/create", json={
            "user_id": user_id,
            "product_id": product_id,
            "quantity": qty
        })
        data = resp.json()
        allure.attach(str(data), "下单接口返回", allure.attachment_type.JSON)

    if qty <= stock_before:
        with allure.step("验证下单成功 & 库存减少"):
            assert data["success"]
            stock_after = get_stock(api_client, base_url, product_id)
            allure.attach(str(stock_after), "下单后库存", allure.attachment_type.TEXT)
            assert stock_after == stock_before - qty
    else:
        with allure.step("验证下单失败 & 库存不变"):
            assert not data["success"]
            assert "库存不足" in data["message"]
            stock_after = get_stock(api_client, base_url, product_id)
            allure.attach(str(stock_after), "下单后库存", allure.attachment_type.TEXT)
            assert stock_after == stock_before

报告效果

yml

订单模块 > 用户下单成功或失败 > test_order_stock[101, 9999]
   步骤 1: 查询下单前库存 = 100
   步骤 2: 调用下单接口
       附件: 下单接口返回 (JSON)
   步骤 3: 验证下单失败 & 库存不变   ❌
       附件: 下单后库存 (TEXT)

运行与报告生成

运行测试（生成 allure 原始数据）

bash

pytest --alluredir=./report/raw

生成 HTML 报告

bash

allure generate ./report/raw -o ./report/html --clean

打开报告

bash

allure open ./report/html

这样就有了一套：

fixtures 管理复用逻辑（客户端、数据清理）。
用例文件 对应业务模块（购物车 / 订单）。
allure 装饰器 让报告呈现为“用户故事”。

报告里能清晰看到：功能 → 故事 → 测试步骤 → 成功/失败。

还原一下 allure 报告的展示效果，这样便于向在团队展示 demo 。

报告首页（Dashboard）

打开 allure open ./report/html，首页就是一个总览：

Suites（测试套件总览）：展示不同模块的测试情况，比如 购物车模块、订单模块。
Statistics（统计）：通过饼图/柱状图展示成功用例、失败用例、跳过用例的比例。
Trend（趋势）：每次跑的结果趋势，适合 CI/CD 场景。
Environment（环境信息）：展示你在 conftest.py 或配置里定义的测试环境（比如 BASE_URL=http://localhost:8080）。

界面大概是这样的（ASCII 模拟）：

[ PASS: 8 | FAIL: 1 | SKIP: 0 ]   ✅❌➖
-----------------------------------------
购物车模块   |  5 用例   |  通过: 5
订单模块     |  4 用例   |  通过: 3 | 失败: 1

模块层级（Feature → Story → Case）

你在代码里加了：

python

@allure.feature("购物车模块")
@allure.story("用户将商品加入购物车")

那么在报告里会呈现成树状结构：

购物车模块
 └── 用户将商品加入购物车
      ├── test_add_to_cart[user_id=1, product_id=101, qty=1]
      └── test_add_to_cart[user_id=1, product_id=101, qty=2]

再看订单模块：

订单模块
 └── 用户下单成功或失败
      ├── test_order_stock[product_id=101, qty=1]   ✅ 通过
      └── test_order_stock[product_id=101, qty=9999] ❌ 失败（库存不足）

这样，产品经理或者领导打开报告时，会像在读一份“需求验证文档”，而不是生硬的接口断言。

单个用例详情

点击某个用例（比如 test_order_stock[product_id=101, qty=9999]），你会看到：

基本信息：用例名、参数化值、执行时长

步骤（Steps）：你在代码里写的 allure.step("xxx") 会按步骤展示，例如：

步骤 1: 查询库存 stock_before=100
步骤 2: 调用下单接口 qty=9999
步骤 3: 验证接口返回 success=False, message="库存不足"
步骤 4: 验证库存未变化 stock_after=100

日志与附件：
- 你可以在失败时 attach 请求/响应 JSON，报告里会有可下载的附件。
- 日志能和结果对照，方便 debug。

可视化效果总结

一句话：
Allure 报告把 pytest 用例 → 用户故事 → 执行结果串联起来，像一份“需求验收报告”而不是枯燥的测试日志。

PM 看懂 “购物车能加东西了 ✅”，开发能看断言细节，QA 能看覆盖率，领导能看趋势和通过率，三方都舒服。

对软件测试岗位的理解 ​

1. 软件测试的定义 ​

2. 软件测试的目标 ​

3. 测试的分类 ​

4. 测试的生命周期（典型流程） ​

5. 测试用例与缺陷 ​

6. 软件测试和质量保证（QA） ​

Pytest 学习路图 ​

一、Pytest 是什么 ​

二、基础用法 ​

三、进阶功能 ​

四、结合项目场景 ​

五、工程化与 CI/CD ​

六、两周学习路径 ​

七、接口自动化骨架示例 ​

目录结构 ​

requirements.txt ​

pytest.ini ​

data/api_data.yaml ​

conftest.py ​

test_demo_api.py ​

八、运行方式 ​

企业级测试框架——allure ​

@allure装饰器 ​

@allure.epic ​

@allure.feature ​

@allure.story ​

@allure.title ​

后端自动化测试示例 ​

目录结构 ​

关键文件内容示例 ​

config.py ​

fixtures/client.py ​

fixtures/reset_db.py ​

test_cart.py ​

test_order.py ​

运行与报告生成 ​

报告首页（Dashboard） ​

模块层级（Feature → Story → Case） ​

单个用例详情 ​

可视化效果总结 ​

前端自动化测试 ​

selenium ​

对软件测试岗位的理解

1. 软件测试的定义

2. 软件测试的目标

3. 测试的分类

4. 测试的生命周期（典型流程）

5. 测试用例与缺陷

6. 软件测试和质量保证（QA）

Pytest 学习路图

一、Pytest 是什么

二、基础用法

三、进阶功能

四、结合项目场景

五、工程化与 CI/CD

六、两周学习路径

七、接口自动化骨架示例

目录结构

requirements.txt

pytest.ini

data/api_data.yaml

conftest.py

test_demo_api.py

八、运行方式

企业级测试框架——allure

@allure装饰器

`@allure.epic`

`@allure.feature`

`@allure.story`

`@allure.title`

后端自动化测试示例

目录结构

关键文件内容示例

config.py

fixtures/client.py

fixtures/reset_db.py

test_cart.py

test_order.py

运行与报告生成

报告首页（Dashboard）

模块层级（Feature → Story → Case）

单个用例详情

可视化效果总结

前端自动化测试

selenium