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 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>