博客
关于我
httprunner自动化实例(四)---Filder生成自动化用例
阅读量:353 次
发布时间:2019-03-04

本文共 533 字,大约阅读时间需要 1 分钟。

使用HTTPRunner进行接口自动化测试时,面对大量入参和复杂URL问题,手动复制粘贴确实效率低下。幸运的是,HTTPRunner提供了一种更高效的解决方案:通过抓包工具导出 HAR 文件,然后自动生成 YAML 用例,大大减少手动操作。

步骤说明

  • 抓包导出 HAR 文件

    使用 Fildder 等抓包工具,进入目标接口,选择需要录制的请求。然后从菜单中选择“File → Export Sessions → Selected Sessions”,并设置 HTTPArchive v.12 格式将文件导出到指定目录(如项目中的 utils 文件夹)中。

  • 生成 YAML 用例

    在 HAR 文件所在目录下,运行命令行工具 har2case makeorder.har,默认生成 JSON 文件。如果需要 YAML 格式用例,可以添加参数 -2y,即 har2case makeorder.har -2y。生成的 YAML 文件将包含自动化测试所需的所有参数。

  • 提取参数

    打开生成的 YAML 文件,参数会自动复制到剪贴板,方便后续使用。这样就无需手动逐一复制,节省了大量操作时间。

  • 通过以上方法,您可以快速将接口测试用例生成并参数提取,提升测试效率,减少手动工作量。

    转载地址:http://uwve.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>