01 第多个：地基打不牢，后面全是坑

很多人学自动化测试，上来就啃Selenium、Postman。结果呢？一周后连断言是什么都搞不清。我犯过同样的错误，浪费了整整多个。

核心原则：先理解接口测试的本质，再动手。

接口测试到底在测什么？就3件事：

• 请求发出去，服务器有没有返回正确的结果？
• 参数变了，结果会不会跟着变？
• 异常情况下，系统会不会崩？

第1周，我死磕了3个基础概念：

• **HTTP协议**：GET和POST的区别、状态码200/404/500的含义
• **JSON格式**：花2小时学完JSON的键值对、数组、嵌套结构
• **API文档**：看懂请求地址、请求头、请求体、响应体

实战案例：我拿了一个公开的天气查询API练手。

```python

最简单的GET请求

import requests

url = "https://api.openweathermap.org/data/较高/weather"

params = {

"q": "Beijing",

"appid": "你的API密钥"

}

response = requests.get(url, params=params)

print(response.status_code) # 打印状态码

print(response.json()) # 打印响应数据

```

运行这段代码，我看到了返回的JSON数据。那一刻，我明白了：原来接口测试就是“发请求+看响应”。

第2周，我攻克了鉴权机制。没有鉴权，接口就是裸奔。我学了3种常见方式：

• API Key：最简单，直接放在URL参数里
• Token：先登录获取，再携带在请求头里
• OAuth 较高：复杂但安全，企业级项目标配

实战案例：用Token调一个用户信息接口。

```python

import requests

先登录获取token

login_url = "https://api.example.com/login"

login_data = {"username": "test", "password": "123456"}

login_resp = requests.post(login_url, json=login_data)

token = login_resp.json()["token"]

用token请求用户信息

user_url = "https://api.example.com/user/profile"

headers = {"Authorization": f"Bearer {token}"}

user_resp = requests.get(user_url, headers=headers)

print(user_resp.json())

```

第3周，我学会了接口文档的“读心术”。一个合格的API文档会告诉你：

• 请求方法（GET、POST、PUT、DELETE）
• 必填参数和可选参数
• 参数的数据类型（string、int、boolean）
• 返回的字段含义

> 读不懂文档，接口测试就是瞎子摸象。

---

02 第多个：工具选对，效率翻10倍

工具不是越多越好，是越精越好。我踩过3个工具的坑，最后只留了2个。

工具1：Postman——接口调试的瑞士军刀

Postman是入门首选，没有之一。它解决了我3个痛点：

• 不用写代码就能发请求
• 可以保存测试用例，随时回放
• 支持环境变量，切换开发/测试/生产环境

实战案例：用Postman测试一个“创建订单”接口。

• 新建请求，选择POST方法
• 输入URL：`https://api.example.com/orders`
• 设置请求头：`Content-Type: application/json`
• 填写请求体：

```json

{

"user_id": 123,

"product_id": 456,

"quantity": 2,

"total_price": 较高

}

```

• 点击Send，查看响应状态码和返回数据
• 添加断言：在Tests标签页写

```javascript

pm.test("状态码是201", function () {

pm.response.to.have.status(201);

});

pm.test("返回订单ID", function () {

var jsonData = pm.response.json();

pm.expect(jsonData.order_id).to.be.a('string');

});

```

工具2：Python + requests库——批量自动化的核武器

Postman适合手动调试，但一旦用例超过50个，就必须上脚本。我选了Python，因为：

• 语法简单，10分钟就能上手
• requests库封装了HTTP请求，代码量少
• pytest框架天生支持参数化，数据驱动测试

实战案例：用pytest批量测试登录接口。

```python

import pytest

import requests

测试数据

test_cases = [

("admin", "admin123", True), # 正常用户

("admin", "wrongpass", False), # 错误密码

("", "admin123", False), # 空用户名

("admin@", "admin123", False), # 非法用户名

]

@pytest.mark.parametrize("username,password,expected", test_cases)

def test_login(username, password, expected):

url = "https://api.example.com/login"

data = {"username": username, "password": password}

response = requests.post(url, json=data)

if expected:

assert response.status_code == 200

assert "token" in response.json()

else:

assert response.status_code == 401

```

工具3：JMeter——性能测试的压舱石

第8周，我开始接触性能测试。JMeter虽然界面丑，但功能暴力：

• 支持多线程并发，模拟1000个用户同时请求
• 可以监控响应时间、吞吐量、错误率
• 生成可视化报告，柱状图、折线图一目了然

实战案例：用JMeter压测登录接口。

• 添加线程组：设置100个线程，循环10次
• 添加HTTP请求：配置URL、方法、参数
• 添加监听器：聚合报告、图形结果
• 运行后看结果：平均响应时间<500ms，错误率<较高

> 工具是刀，思路是刀法。刀好不如刀法好。

---

03 第多个：从手动到自动，我只做了3件事

前多个，我还在手工点Postman。第多个，我开始写自动化脚本。转变的催化剂是多个。

项目1：电商系统接口自动化

这个系统有20个接口，包括用户注册、商品搜索、下单、支付、退款。我用了pytest + requests + Allure报告。

核心代码：参数化测试商品搜索功能。

```python

import pytest

import requests

import allure

base_url = "https://api.ecommerce.com"

search_data = [

("手机", 1, 20, 200), # 正常搜索

("", 1, 20, 400), # 空关键词

("xyz", 1, 20, 200), # 无结果搜索

("手机", -1, 20, 400), # 页码非法

]

@allure.story("商品搜索")

@pytest.mark.parametrize("keyword,page,size,expected_code", search_data)

def test_search_product(keyword, page, size, expected_code):

url = f"{base_url}/products/search"

params = {"keyword": keyword, "page": page, "size": size}

response = requests.get(url, params=params)

assert response.status_code == expected_code

if expected_code == 200:

data = response.json()

assert "total" in data

assert len(data["items"]) <= size

```

项目2：微信小程序接口测试

小程序接口特殊在：需要先获取access_token，而且token有2小时有效期。我写了一个自动获取并缓存token的模块。

```python

import requests

import time

from functools import lru_cache

class WeChatAPI:

def __init__(self, appid, secret):

self.appid = appid

self.secret = secret

self.token = None

self.token_expire_time = 0

def get_token(self):

if time.time() < self.token_expire_time:

return self.token

url = "https://api.weixin.qq.com/cgi-bin/token"

params = {

"grant_type": "client_credential",

"appid": self.appid,

"secret": self.secret

}

response = requests.get(url, params=params)

data = response.json()

self.token = data["access_token"]

self.token_expire_time = time.time() + data["expires_in"] - 60

return self.token

def send_template_msg(self, openid, template_id, data):

token = self.get_token()

url = f"https://api.weixin.qq.com/cgi-bin/message/template/send?access_token={token}"

body = {

"touser": openid,

"template_id": template_id,

"data": data

}

response = requests.post(url, json=body)

return response.json()

使用

wechat = WeChatAPI("your_appid", "your_secret")

result = wechat.send_template_msg("user_openid", "template_id", {"name": "测试"})

print(result)

```

项目3：定时任务 + 邮件报告

自动化测试的价值在于持续运行。我用了Linux的crontab，每天凌晨2点跑一次全量用例，跑完自动发邮件。

```python

import smtplib

from email.mime.text import MIMEText

from email.mime.multipart import MIMEMultipart

import subprocess

import time

def run_tests():

"""运行pytest并生成报告"""

result = subprocess.run(

["pytest", "--alluredir=./reports", "--html=report.html"],

capture_output=True, text=True

)

return result.returncode == 0

def send_email(success, report_path):

"""发送测试报告邮件"""

msg = MIMEMultipart()

msg["From"] = "tester@company.com"

msg["To"] = "team@company.com"

msg["Subject"] = f"接口自动化测试报告 - {'通过' if success else '失败'}"

with open(report_path, "r") as f:

html_content = f.read()

msg.attach(MIMEText(html_content, "html"))

with smtplib.SMTP("smtp.company.com", 587) as server:

server.starttls()

server.login("tester@company.com", "password")

server.send_message(msg)

主流程

if __name__ == "__main__":

start_time = time.time()

is_success = run_tests()

elapsed = time.time() - start_time

send_email(is_success, "report.html")

print(f"测试用时{elapsed:.2f}秒，结果：{'成功' if is_success else '失败'}")

```

> 自动化不是写一次脚本，而是让脚本替你干活。

---

04 时间规划：每天2小时，多个足够

很多人觉得多个太短。我用数据说话：每天2小时，多个就是180小时。180小时足够掌握任意一门技能。

周计划模板：

| 时间段 | 学习内容 | 实战任务 |

|--------|----------|----------|

| 第1周 | HTTP协议、JSON | 用requests调通一个API |

| 第2周 | 鉴权机制、Postman | 用Postman完成登录接口测试 |

| 第3周 | API文档解读 | 独立读通一个企业级API文档 |

| 第4周 | Python基础+requests | 写10个接口测试脚本 |

| 第5周 | pytest框架 | 参数化测试登录接口 |

| 第6周 | 断言+数据驱动 | 完成商品模块接口测试 |

| 第7周 | JMeter入门 | 压测登录接口 |

| 第8周 | 性能指标分析 | 输出性能测试报告 |

| 第9周 | 项目实战1 | 电商系统接口自动化 |

| 第10周 | 项目实战2 | 小程序接口测试 |

| 第11周 | CI/CD集成 | 把脚本挂到Jenkins |

| 第12周 | 总结+面试准备 | 输出作品集 |

每日时间分配：

• 30分钟：看视频/文档（B站、官方文档）
• 1小时：写代码+调试（遇到报错不要慌，先看错误信息）
• 30分钟：复盘+记录（写学习笔记，哪怕只有3行）

避坑指南：

• 不要同时学3个工具，先死磕1个
• 不要看完视频再动手，边看边敲
• 不要追求完美，先跑通再优化

> 每天2小时，多个后，你比较高的人强。

---

05 面试通关：把实战项目讲成故事

学完技术，最后一步是求职。面试官不看你会多少理论，只看你做过什么。

必问问题1：描述一个你做的接口自动化项目。

标准回答结构：

• 项目背景：测试什么系统，有多少接口
• 技术选型：为什么选Python+pytest，不选Java+TestNG
• 核心难点：鉴权怎么处理、数据怎么准备
• 最终成果：测试覆盖了多少接口，发现了多少bug

实战话术：

“我做过一个电商系统的接口自动化项目，覆盖了20个核心接口。技术栈选了Python+pytest，因为Python生态好，requests库写起来快。较大的难点是订单状态转换——创建订单后要支付，支付后要发货，状态环环相扣。我用了pytest的fixture机制，把每个状态的前置条件抽出来复用。最终测试覆盖率达到较高，上线前提前发现了3个支付接口的bug。”

必问问题2：接口测试和UI测试的区别是什么？

一句话答案：接口测试测的是“功能正确性”，UI测试测的是“用户交互体验”。

延伸回答：

• 接口测试：速度快（毫秒级响应），稳定性高，适合做CI
• UI测试：速度慢（秒级响应），容易受环境干扰，适合做冒烟测试
• 实际工作中：接口测试占较高，UI测试占较高

必问问题3：怎么处理接口依赖？

经典解法：用pytest的`request` fixture传递数据。

```python

import pytest

@pytest.fixture

def create_order():

"""创建订单，返回订单ID"""

url = "https://api.example.com/orders"

data = {"user_id": 123, "product_id": 456, "quantity": 1}

response = requests.post(url, json=data)

return response.json()["order_id"]

def test_pay_order(create_order):

"""支付订单，依赖create_order返回的订单ID"""

order_id = create_order

url = f"https://api.example.com/orders/{order_id}/pay"

response = requests.post(url)

assert response.status_code == 200

```

> 面试不是背答案，是讲你踩过的坑和填坑的方法。

---

多个前，我连接口是什么都不知道。现在，我每天用脚本自动跑完所有用例。你只差一个开始。