如何保证自动化测试用例的稳定性和可维护性如何保证自动化测试用例的稳

一、装饰器与出错重试机制保证稳定性
谈到稳定性，不得不说的就是“出错重试”机制了，在自动化测试中，由于环境一般都是测试环境，经常会有各种各种的抽风情况影响测试结果，这样就为测试的稳定性带来了挑战，毕竟谁也不想自己的脚本一天到晚的出各种未知问题，而往往这种环境的抽风（通常是前端页面的响应速度和后端接口的响应速度）带来的影响是暂时的，可能上一秒失败了，下一秒你再执行又好了，在这种情况下，如果你有一个出错重试机制，起码可以在这种暂时性的影响下让你的脚本安然无恙。
装饰器
装饰器，表现形式为，在方法（或者类）的上面加上@xxx这样的语句，假如我们已经实现了一个装饰器名叫retry，那么我们想用它就这么用：

@retry def test_login(): print("test") error = 1/0

如果retry实现了出错再次重试（稍后再说如何实现），那么这么使用的话，就会让test_login这个case在执行出错的时候再次执行。
很神奇，让我们来看看实现retry的代码：

def retry(func): def warp(): for time in range(3): try: func() except: pass return warp

就结果而言，执行以下代码：

@retry def test_login(): print("test") error = 1/0test_login()

和执行：

retry(test_login)()

是等价的，由此我们可以看出，装饰器其实本质上就是一个函数，这个函数接收其他函数（或者类）作为参数，通过对这个函数（或者类）的调用或者修改，完成不更改原始函数而修改该函数的功能。
这里有个闭包知识点。retry内部的函数warp()并没有接收func这个传参，而是自带了上层函数retry传给他的func这个函数，所以才可以在运行时对func进行处理和输出。
了解了装饰器和闭包，那么下面就很容易做到对测试用例的出错重试机制了。
下面是一个用于测试用例的出错重试装饰器，可以通过传入重试次数（times）和重试等待时间（wait_time），对待测用例实行重试机制。

def retry(times=3,wait_time=10): def warp_func(func): def fild_retry(*args,**kwargs): for time in range(times): try: func(*args,**kwargs) return except: time.sleep(wait_time) return fild_retry return warp_func

pytest里的出错重试机制实现
在测试框架pytest里，已经实现了有关出错重试的策略，我们首先需要安装一个pytest-rerunfailures插件。
如果你需要将此机制应用到所有的用例上，那么请在执行的时候使用如下命令（reruns是重试次数）：

pytest --reruns 5

如果你期望加上出错重试的等待时间，请使用如下命令(reruns-delay是等待时间)：

pytest --reruns 5 --reruns-delay 1

如果你只想对某几个测试用例应用重试策略，你可以使用装饰器：

@pytest.mark.flaky(reruns=5, reruns_delay=2)

@pytest.mark.flaky(reruns=5, reruns_delay=2) def test_example(): import random assert random.choice([True, False])

二、测试用例分层机制保证可维护性
传统的PO(PageObject)模式实现了用例和元素的分离，也可以保证其维护性。但是这还不够，例如，现在有三个case，他们都包含了以下步骤：登录、打开工作台、进入个人中心；那么如果不做分层，这三个用例会把这三个步骤都写一遍，如果某天页面的变动导致其中一个步骤需要更改，那么你不得不去每个用例里去更新那个步骤。
而如果，我们把用例当做是堆积木，登录、打开工作台、进入个人中心这三个步骤都只是个积木，那么我们写用例的时候，只需要在用到这个步骤时，把积木搭上去；如果某一天，其中一个积木的步骤有变动，那么只需要去更改这个积木的内容，而无需在每个使用了这个积木的用例里去改动。
这大大增强了用例的复用性和可维护性，这就是采用分层机制的原因，下面，我会就allure里的分层机制做介绍来讨论具体如何实现。###allure的装饰器@step
在allure里，我们可以通过装饰器@step完成分层机制，具体的，当你用@step装饰一个方法时，当你在用例里执行这个方法，会在报告里，表现出这个被装饰方法；而@step支持嵌套结构，这就意味着，你可以像搭积木一样去搭你的步骤，而他们都会一一在报告里被展示。
下面直接用allure的官方示例作做举例：

import allure import pytestfrom .steps import imported_step@allure.step def passing_step(): pass@allure.step def step_with_nested_steps(): nested_step()@allure.step def nested_step(): nested_step_with_arguments(1, 'abc')@allure.step def nested_step_with_arguments(arg1, arg2): passdef test_with_imported_step(): passing_step() imported_step()def test_with_nested_steps(): passing_step() step_with_nested_steps()

运行这个case后，报告是这样的：

文章图片
image.png
可以看到，
test_with_nested_steps由passing_step()和step_with_nested_steps()这两个方法组成；
而step_with_nested_steps()又由nested_step()组成；
nested_step()又由nested_step_with_arguments(1, 'abc')组成；
这样就像搭积木一样，组成了测试用例；而在报告里，也层级分明的标识了步骤的嵌套结构。
这样，我们就可以通过一个又一个@step装饰的方法，组成测试用例；同时报告里也会支持层级显示；从而完成我们的分层机制。
【如何保证自动化测试用例的稳定性和可维护性】有关@step的更多详细介绍请参阅官方文档。
作者：Null_e857
链接：https://www.jianshu.com/p/474efb786d72
來源：
著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。