自动化测试框架的知识梳理

1. 框架的意义：可读性，可维护性，可扩展性
   1. 维护与代码分离：使用数据驱动(ddt)
   2. 结构分层：数据层(testcase文件夹)，用例层(data文件夹)，逻辑层(common文件夹)
2. 测试的步骤：
   1. 准备测试数据：设计excel，excel数据的读写，参数化替换
   2. 发起请求：判断请求的方式，请求的url(url的拼接)，参数转为字典（case.data）eval()，拿到返回结果
   3. 解析结果：断言，响应码，响应结果，响应文本，回写测试结果到Excel
3. 框架的好处：
   1. 手工测试用例与自动用例完美结合，避免重复工作
   2. 配置灵活，根据需要快速选择执行用例/切换测试环境(不同的环境，测试环境，线上环境，设置一个总开关，决定使用的环境)
   3. 常用功能封装，逻辑清楚，易于维护(结构分层)
   4. 统一执行入口，管理测试用例集(run.py入口，生成测试报告 )
   5. 持续集成，定时构建，快速反馈(jenkins) 代码上传到git上，持续集成到jenkins上，发邮件快速反馈结果
4. 项目使用到的技术与框架：
   1. 语言：python(语言简洁)
   2. 测试框架：unittest
   3. 接口调用：requests(API 非常简洁)
   4. 数据驱动：ddt(装饰器：ddt(装饰测试类),data(装饰测试方法),unpack())
   5. 数据管理：openpyxl(可以同时支持读与写) excel 写测试用例(exel,csv,json,yaml,txt) 数据库->数据数量很大的时候
   6. 数据库交互：pymysql(数据库：MySql)
   7. 数据格式的转换：eval(), json.loads() Excel读取出来的数据都是 str ，request方法的参数要求是：dict
   8. 日志处理：logging 清晰的了解执行的过程，快速定位问题(创建日志收集器)
   9. 持续集成：jenkins 解决重复发版本带来的重复工作 （配置git-》拉代码-》run->发邮件）