(图片：urip@unsplash，字数: 6800，时间: 7分钟)
正文开始前，先推广下肖哥新开的知识星球"速度之上的质量"，目前5折特惠，欢迎同学们加入。点击这里了解星球的建立背景。另外，本文末有优惠券可领。
前言
年初的时候，一篇题为《Python实用技能: 从A到Z》的文章在网络上刷屏了。在文中，作者介绍了26个首字母分别从A到Z的Python实用工具。不过，这些工具都是面向Python基础编程的。
大家知道，Python最大的优势是应用面广，其中一个重要的应用是自动化软件测试。这里，我借鉴上述文章的手法，针对Python自动化测试这一专门领域，整理出一套首字母分别从A到Z的工具箱，分享给大家。
这26个Python工具覆盖自动化测试的方方面面。概况地说，可以分为三种类型：(1) 面向Python代码的白盒测试工具，(2) 面向通用测试领域，基于Python实现的黑盒测试工具，和(3) Python生态系统中在自动化测试中频繁使用的通用库。
接着就来逐一介绍它们。文中代码收集在Github项目中: https://github.com/slxiao/python-test-
automation-AtoZ。欢迎大家下载体验。结合实例学习，效果会更好。
提醒：文章很长，可以收藏之后慢慢看。
assert
在软件测试中，一个普遍需求是比较被测对象的实际输出与期望输出是否相同。如果相同，测试继续执行；如果不相同，测试就会失败并且终止。Python中有一个内置关键字，正好可以满足这一需求。它就是assert。
assert后面可以跟两个参数。第一个参数表示判断条件，是必须的。如果条件不为True，那么assert语句会报错，并且抛出"AssertionError"异常；第二个参数是可选的，表示当assert失败时，提示的错误消息。
举例如下：
actual, expected = 1, 2
assert actual == expected #抛出异常并且提示错误消息 assert actual == expected, "actual result is not same as expected"
behave
behave是一种Python编写的，面向行为驱动开发(Behavior-driven development, BDD)模式的测试框架。在behave框架中，测试用例被分为前端和后端两部分。前端用例由自然语言编写，负责描述测试内容；后端用例由Python编写，负责执行测试步骤。
behave的安装命令为：
pip install behave
下面是一个简单的测试用例。用例的前端部分为：
Feature: Showing off behave
Scenario: Run a simple test
Given we have behave installed
When we implement 5 tests
Then behave will test them for us!
用例的后端部分为：
from behave import given, when, then, step @given('we have behave installed') def step_impl(context): pass
@when('we implement {number:d} tests') def step_impl(context, number): # -- NOTE: number is converted into integer assert number > 1 or number == 0 context.tests_count = number @then('behave will test them for us!') def step_impl(context): assert context.failed is False assert context.tests_count >= 0
执行结果如下：
$ behave Feature: Showing off behave # features/example.feature:2 Scenario: Run a simple test # features/example.feature:4 Given we have behave installed # features/steps/example_steps.py:4 When we implement 5 tests # features/steps/example_steps.py:8 Then behave will test them for us! # features/steps/example_steps.py:13 1 feature passed, 0 failed, 0 skipped 1 scenario passed, 0 failed, 0 skipped 3 steps passed, 0 failed, 0 skipped, 0 undefined
Coverage.py
代码覆盖率是测试度量的重要手段之一。Python中用于计算代码覆盖率的重要工具就是Coverage.py。它通过跟踪Python解释器工作情况，分析出哪些Python代码被执行到，哪些Python代码没有被执行到，并输出覆盖率报告。
其安装命令为：
pip install coverage
下面演示其使用方法。构造一个名为myprogram.py的文件，内容为：
import sys if int(sys.argv[1]) > 1: print("success") else: print("fail")
执行命令:
coverage run myprogram.py 0
将执行上述程序，并获取执行细节存储在当前目录下的.coverage文件中。然后，执行命令:
coverage report
即可生成覆盖率报告如下。在这个示例中，代码覆盖率为75%。
myprogram.py 4 1 75%
doctest
doctest是Python内置功能，能够实现"文档即用例"模式的自动化测试。具体来说，在定义Python函数时，可以在函数注释中插入特定格式的表示测试用例的内容。doctest会自动从函数注释中识别和提取测试用例，并执行这些用例。
在下面的例子中，针对函数factorial(n)，在注释中定义了两个测试用例。一个是正常测试用例[factorial(n) for n in range(6)]，期望结果是[1, 1, 2, 6, 24, 120]；另一个是异常测试用例factorial(30.1)，期望结果是抛出ValueError异常。
def factorial(n): """Return the factorial of n, an exact integer >= 0. >>> [factorial(n) for n in range(6)] [1, 1, 2, 6, 24, 120] >>> factorial(30.1) Traceback (most recent call last): ... ValueError: n must be exact integer """ import math if math.floor(n) != n: raise ValueError("n must be exact integer") result, factor = 1, 2 while factor <= n: result *= factor factor += 1 return result if name == "main": import doctest doctest.testmod()
执行命令:
python example.py -v
doctest的执行过程如下，结果显示两个测试用例都是pass的：
Trying: [factorial(n) for n in range(6)] Expecting: [1, 1, 2, 6, 24, 120] ok Trying: factorial(30.1) Expecting: Traceback (most recent call last): ... ValueError: n must be exact integer ok 1 items had no tests: main 1 items passed all tests: 2 tests in main.factorial 2 tests in 2 items. 2 passed and 0 failed. Test passed.
elasticsearch
自动化测试的一个热点技术是测试监控(或质量监控)。对于监控类应用来说，ELK已经成为优先的技术选择。Python的elasticsearch库，提供了与elasticsearch引擎进行交付的API。既可以向elasticsearch引擎推送格式化的测试数据，也可以从elasticsearch查询历史测试记录。
elasticsearch的安装命令为：
pip install elasticsearch
elasticsearch的简单示例如下：
from elasticsearch import Elasticsearch
#默认连接到localhost:9200
es = Elasticsearch()
#查询索引为test-index的记录
print(es.search(index="test-index", body={"query": {"match_all": {}}}))
ftplib
在测试FTP类应用(FTP应用在传统IT行业依然广泛存在)时，经常需要使用Python标准库中的ftplib模块。它实现了FTP客户端协议，能够与FTP服务端进行交付，从而测试FTP服务端的功能。
一个基于ftplib的简单示例为：
from ftplib import FTP ftp = FTP('ftp.debian.org') # 连接到FTP服务端 ftp.login() # 登陆 ftp.cwd('debian') # 切换目录 ftp.retrlines('LIST') # 获取文件列表 with open('README', 'wb') as fp: ftp.retrbinary('RETR README', fp.write) # 下载文件 ftp.quit() # 退出连接
gauge-python
gauge是ThoughtWorks提供的一个免费和开源自动化测试框架。它的主要特点是可以减少测试脚本数量，降低测试维护成本。gauge-python是Python语言的gauge执行器。
gauge-python的执行依赖于gauge, python和pip。其安装命令：
gauge install python
创建一个gauge-python项目的命令：
gauge init python
执行测试用例的命令：
gauge run specs
面向UI自动化测试的gauge-python示例项目为：https://github.com/ka shishm/gauge-example-python
html
解析HTML文件，从中提取感兴趣的内容是自动化测试中的一个常见操作。Python标准库中的html模块，能够帮助实现对HTML文件的解析。
一个解析HTML的例子如下：
from html.parser import HTMLParser class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Encountered a start tag:", tag) def handle_endtag(self, tag): print("Encountered an end tag :", tag) def handle_data(self, data): print("Encountered some data :", data) parser = MyHTMLParser() parser.feed('<title>Test</title>' '
')程序输出结果为：
Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test ...... Encountered an end tag : html
ipython
ipython想必大家都非常熟悉的Python交互式工具。ipython是用来快速调试或测试代码的不二选择。据我观察，大牛们在写Python程序前，都习惯在ipython上敲一敲，快速熟悉API的用法，验证想法是否可行。这比写代码->保存->切换窗口->执行脚本->继续改代码的过程简单多了。
在自动化测试中，我们也可以使用类似方式高效地调试测试脚本或定位某个具体错误。例如，在下面的例子中，我们快速验证接口在请求参数发生变化时，是否会报错：
In [18]: import requests In [19]: requests.get("https://www.python.org/search/?q=").status_code Out[19]: 200 In [20]: requests.get("https://www.python.org/search/?q=yes123").status_code Out[20]: 200 In [21]: requests.get("https://www.python.org/search/?q=_______").status_code Out[21]: 200
json
json可以是一种家喻户晓的数据交换格式了。在自动化测试中，我们经常需要处理json格式数据。Python标准库中的json模块，提供了序列化和反序列化json对象的方法。
例如：
import json
json.dumps(['foo', {'bar': ('baz', None, 1.0, 2)}])
json.loads('["foo", {"bar":["baz", null, 1.0, 2]}]')
kubernetes
在云原生和微服务日益流行的趋势下，基于Kubernetes的测试环境变得越来常见。Python的kubernetes库，提供了管理和控制Kunernetes namespace, node, deployment, pod的接口API。
安装命令为：
pip install kubernetes
下面是一个获取kubernetes中所有pod的IP地址的例子：
from kubernetes import client, config config.load_kube_config() v1 = client.CoreV1Api() print("Listing pods with their IPs:") ret = v1.list_pod_for_all_namespaces(watch=False) for i in ret.items: print("%s\t%s\t%s" % (i.status.pod_ip, i.metadata.namespace, i.metadata.name))
locust
locust是Python编写的可扩展压力测试工具。它主要用在性能测试方面，目的是检验系统能够承受的最大并发用户数量。locust通过gevent和协程实现异步IO，能够在单台机器上模拟海量用户的行为。
locust的安装方式：
pip install locustio
locust的执行依赖于一个描述locust任务的文件，例如：
from locust import HttpLocust, TaskSet def login(l): l.client.post("/login", {"username":"ellen_key", "password":"education"}) def logout(l): l.client.post("/logout", {"username":"ellen_key", "password":"education"}) def index(l): l.client.get("/") def profile(l): l.client.get("/profile") class UserBehavior(TaskSet): tasks = {index: 2, profile: 1}
def on_start(self):
login(self)
def on_stop(self): logout(self) class WebsiteUser(HttpLocust): task_set = UserBehavior min_wait = 5000 max_wait = 9000
执行命令，准备测试网址http://example.com：
locust --host=http://example.com
然后用浏览器打开http://127.0.0.1:8089/，就可以开发并发测试了:
mock
mock是Python标准库的一个模块，用于在单元测试中替换程序的部分方法，并返回预定义结果。
下面是一个mock示例。示例中，ProductionClass类的method方法被mock掉，并且返回值设置为3。这样，当调用method方法时，就不会去执行原始方法，而是直接返回3。
from unittest.mock import MagicMock thing = ProductionClass() thing.method = MagicMock(return_value=3) thing.method(3, 4, 5, key='value') thing.method.assert_called_with(3, 4, 5, key='value')
nose2
nose2是Python的单元测试框架"三剑客"之一，另两个分别是unittest和pytest。我写过一篇比较这三个框架的文章《三种最流行的Python测试框架，我该用哪一个》。
nose2安装命令为：
pip install nose2
unittest是Python标准库中的单元测试框架，nose2的定位是带插件的unittest。nose2提供的插件，例如测试用例加载器，覆盖度报告生成器，并行测试等内置插件和第三方插件，让单元测试变得更加完善。
一个简单的nose2单元测试示例如下：
import nose2 def test_example (): pass if name == 'main': nose2.runmodule()
执行结果：
Ran1 tests in 0.000s OK
os
操作系统是自动化测试经常需要打交道的一个对象。Python标准库中的os模块，提供了调用操纵系统功能的接口，包括但不限于路径切换，文件夹管理，环境变量，进程管理，文件描述符操作等。
下面是几个使用os模块的简单示例：
import os print(os.getcwd()) # 获取当前工作目录 print(os.listdir()) # 列举文件夹 os.chdir('Population_Data/New York') # 切换目录 os.mkdir('testdir') # 创建新目录
pytest
刚才介绍了，pytest是Python单元测试框架"三剑客"之一。事实上，pytest不仅让单元测试变得更容易，并且也能支持应用层面复杂的功能测试。因此，pytest可以说是通用框架。甚至在nose2的Github主页上，都推荐大家使用pytest，而不是nose2。
pytest的主要特性有：
-
支持用简单的assert语句实现丰富的断言，无需复杂的self.assert*函数，
-
兼容unittest和nose2测试集，
-
支持Fixture形式的测试setup/teardown，其优势在文章《什么是Fixture？》中有详细描述，
-
丰富的插件生态，已有300多个各式各样的插件，和活跃的社区。
pytest一个简单的示例如下：
def inc(x): return x +1 def test_answer(): assert inc(3) ==5
执行结果如下：
$ pytest
============================= test session starts=============================
collected 1 items
test_sample.py F
================================== FAILURES===================================
_________________________________ test_answer_________________________________
def test_answer():
assert inc(3)== 5
E assert 4 == 5
E + where 4 = inc(3)
test_sample.py:5: AssertionError
========================== 1 failed in 0.04 seconds===========================
q
你没看错，这个工具名字就是q。q是Python中一款适合"懒人"的快速调试工具。q的安装命令为：
pip install q
在调试代码时，如果用print打印变量var的值，那么语法是print(var)，而使用q完成同样任务，只需用q(var)。当然前提是要import q。比print更强大的是，q还能直接插入到表达式内部，例如：
file.write(q/prefix + (sep or '').join(items))
会在在执行代码时，打印prefix的值。另外q作为函数装饰器(@q)使用时，还能自动跟踪函数执行情况，打印函数的参数，返回值和运行时间。
Robot Framework
Robot Framework是一个主流的功能自动化测试框架。它基于Python编写。Robot Framework有三大特点：通用(general)，关键词驱动(keyword-driven)和模块化(modular)。基于Robot Framework编写测试用例，使用的是Robot语法。这是一种领域专用语言(DSL)，十分接近自然语言，有利于开发经验欠缺的测试人员使用。
安装命令：
pip install robotframework
一个简单的Robot用例为：
*** Settings *** Documentation A test suite with a single test for valid login. Resource resource.txt *** Test Cases *** Valid Login Open Browser To Login Page Input Username demo Input Password mode Submit Credentials Welcome Page Should Be Open [Teardown] Close Browser
这个用例中的步骤，既可以采用Robot Framework标准库或第三方库来实现，也可以通过Python或者Java程序来定义。
selenium
Python中的selenium库提供了一系列简洁的API来与Selenium Webdriver进行交互，从而完成UI自动化测试。
selenium的安装命令为：
pip install selenium
由于Python selenium库并不直接操作浏览器，因此还需要安装一个可用的webdriver，并进行配置。不同浏览器需要安装不同的webdriver，一般都能在浏览器官网上下载到。
下面是一个使用selenium的简单例子。例子中，调用Fixfox浏览器， 打开网址http://www.python.org，然后定位搜索框，输入"pycon"，回车得到搜索结果。在代码中中，利用assert语句针对部分中间结果做了校验。
from selenium import webdriver from selenium.webdriver.common.keys import Keys driver = webdriver.Firefox() driver.get("http://www.python.org") assert "Python" in driver.title elem = driver.find_element_by_name("q") elem.clear() elem.send_keys("pycon") elem.send_keys(Keys.RETURN) assert "No results found." not in driver.page_source driver.close()
tox
在用Python做自动化测试开发时，开发环境的维护和外部依赖的管理常常是一个痛点，尤其是在需要支持多个Python版本的时候。tox工具就是针对这个痛点而出现的。它的愿景是让Python软件打包，测试和发布变得更容易。
tox的安装命令为：
pip install tox
使用tox，需要在项目根目录创建一个名为tox.ini的描述文件，例如：
[tox] envlist = py27,py36 [testenv]
deps = pytest commands = # NOTE: you can run any command line tool here - not just tests pytest
这时，执行命令tox，就可以同时完成python2.7和Python3.6两种环境下的测试：
[lots of output from what tox does] [lots of output from commands that were run] __________________ summary _________________ py27: commands succeeded py37: commands succeeded congratulations :)
unittest
unittest是Python标准库中的单元测试框架。unittest有时候也被称为PyUnit。就像JUnit是Java语言的标准单元测试框架一样，unittest(PyUnit)则是Python语言的标准单元测试框架。
unittest支持自动化测试，测试用例的初始化和关闭，测试用例的聚合等功能。unittest有一个很重要的特性：它通过类(class)的方式，将测试用例组织在一起。
一个简单unittest用例如下：
import unittest class TestStringMethods(unittest.TestCase): def test_upper(self): self.assertEqual('foo'.upper(), 'FOO') if__name__=='main': unittest.main()
执行结果：
Ran 1 tests in 0.000s OK
VCR.py
VCR是ruby中的一个著名工具，用来录制和回访HTTP消息交互过程。VCR.py，顾名思义，就是Python版本的VCR。
安装命令：
pip install vcrpy
在下面的例子中。第一次执行完代码片段后，VCR.py会把HTTP交互过程记录下来，保存到文件fixtures/vcr_cassettes/synopsis.yaml中。再次执行代码时，VCR.py将直接从该文件中获取reponse内容，而不需要发送真实的HTTP请求。
import vcr import urllib2 with vcr.use_cassette('fixtures/vcr_cassettes/synopsis.yaml'): response = urllib2.urlopen('http://www.iana.org/domains/reserved').read() assert 'Example domains' in response
webbrowser
webrowser是Python标准库中的一个模块，提供直接打开浏览器的Python接口。例如：
import webbrowser url = 'http://www.python.org/'
在新标签中打开连接http://www.python.org/doc/
webbrowser.open_new_tab(url + 'doc/')
xml
与json一样，XML也是一种常见数据交换格式。许多自动化测试框架会输出xUnit标准测试报告，这种报告就是XML格式的。另外，一种标准代码覆盖率报告Cobertual，也是XML格式的。与XML文件打交道，在Python自动化测试是普遍的。而标准库中的xml模块，就提供了处理XML数据的接口。
例如，有下面这个名为country_data.xml的文件：
1 2008 141100解析它的Python脚本为：
import xml.etree.ElementTree as ET
tree = ET.parse('country_data.xml')
root = tree.getroot()
print(root.tag) # 'data'
yappi
从yappi这个名字可以猜到，它大概又是一个yet another xxx系统的工具。这里，yappi代表yet another python profier，主要用来分析Python代码性能。
安装命令为：
pip install yappi
示例略。
zope.testbrowser
zope.testbrowser是一个Python第三方库，它提供易用和可编程的web浏览器，能够用于UI测试。
安装命令为：
pip install zope.testbrowser
例如，下面的例子中，程序打开链接http://localhost，并从页面定位内容是"Link Text"的超链接元素：
from zope.testbrowser.wsgi import Browser from zope.testbrowser.testing import demo_app browser = Browser('http://localhost/', wsgi_app=demo_app) link = browser.getLink('Link Text')
总结
这里简要介绍了26个应用于自动化测试的Python工具。仅仅看这26个工具，就可以了解到Python丰富的生态优势。基本上各种典型的测试场景，都能从Python中找到对应的自动化测试工具或框架。
当然，Python中可以应用于自动化测试工具远远不止这26个。真实数字可能是260个，甚至2600个。这里列举的工具只是抛砖引玉，大家来补充。欢迎在留言区写下自己在日常测试工作中经常使用的Python库。
另外，如果觉得文章有帮助，欢迎帮忙转发，谢谢！
最后，奉上星球"速度之上的质量"的限量特惠券，后面再也不会有这种优惠力度了。感兴趣的同学尽快加入哟。如果想了解详情，也可以戳这里。