Python+Pytest实现问卷调查自动化测试框架-代码聚汇网

Python+Pytest实现问卷调查自动化测试框架

自动化测试Pytest问卷调查测试

|难度：普通|阅读约 16 分钟

1. 个人自动化测试问卷调查表的设计初衷

上周帮朋友公司排查一个线上问卷系统崩溃的问题时，发现他们还在用人工逐条核对测试数据。看着测试同事对着200多份问卷结果人工比对的场景，我突然意识到——这种重复劳动完全可以用自动化测试来解决。于是花了三天时间，用Python+Requests+Pytest搭建了一套轻量级的问卷调查自动化测试框架，测试效率提升了20倍不止。

这套方案特别适合中小型问卷系统、教育培训机构的随堂测试、企业内部调研等场景。相比商业化的测试平台，它的优势在于：

零成本部署（只需要Python环境）
完全可定制化（能灵活适配各种问卷格式）
测试数据可视化（自动生成带截图的测试报告）

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 核心架构设计

2.1 技术选型对比

我对比了当前主流的几种自动化测试方案：

方案	适用场景	学习成本	执行效率	报告展示
Selenium WebDriver	Web UI测试	中	低	一般
Appium	移动端测试	高	中	需定制
Playwright	跨浏览器测试	低	高	优秀
Requests+Pytest	API/接口测试	低	极高	可定制

最终选择Requests+Pytest组合是因为：

问卷调查系统本质是表单提交和结果校验，属于API测试范畴
Pytest的fixture机制非常适合处理测试数据驱动
结合Allure可以生成带请求/响应详情的可视化报告

2.2 框架目录结构

code复制survey_auto_test/
├── config/               # 配置文件
│   ├── survey_urls.yaml  # 问卷链接配置
│   └── test_users.yaml   # 测试账号数据
├── test_cases/           # 测试用例集
│   ├── basic_flow/       # 基础流程测试
│   └── edge_cases/       # 边界条件测试
├── utils/                # 工具类
│   ├── request_client.py # 封装请求方法
│   └── report_utils.py   # 报告生成工具
└── conftest.py           # Pytest全局fixture

关键技巧：用yaml而不是json管理测试数据，可以添加注释说明每个字段用途，维护更友好

3. 核心实现细节

3.1 问卷提交自动化

通过Chrome开发者工具抓包分析，发现问卷提交的核心请求：

python复制# utils/request_client.py
def submit_survey(survey_id, answers):
    url = f"https://api.survey.com/v1/{survey_id}/responses"
    headers = {
        "Content-Type": "application/json",
        "X-Auth-Token": os.getenv("API_TOKEN")
    }
    payload = {
        "respondent_id": generate_uuid(),
        "answers": answers,
        "metadata": {
            "ip_address": fake.ipv4(),
            "user_agent": fake.user_agent()
        }
    }
    return requests.post(url, json=payload, headers=headers)

这里有几个关键点：

使用环境变量存储API_TOKEN避免硬编码
通过faker库生成仿真测试数据
respondent_id需要符合问卷系统的UUID格式要求

3.2 测试数据驱动

在conftest.py中定义数据驱动fixture：

python复制# conftest.py
import pytest
import yaml

@pytest.fixture(params=yaml.safe_load(open("config/test_users.yaml")))
def test_user(request):
    user = request.param
    user["answers"] = generate_answers(user["user_type"]) 
    return user

def generate_answers(user_type):
    """根据用户类型生成不同的答案组合"""
    if user_type == "normal":
        return {qid: random.choice(options) for qid, options in QUESTIONS.items()}
    elif user_type == "malicious":
        return {qid: "XSS<script>alert(1)</script>" for qid in QUESTIONS}

这样在测试用例中只需声明使用test_user fixture，就能自动运行所有测试用户组合。

4. 高级测试场景实现

4.1 验证问卷逻辑跳转

很多问卷会根据前一题的答案跳转到不同问题，测试时需要验证跳转逻辑是否正确：

python复制# test_cases/basic_flow/test_question_routing.py
def test_question_routing(test_user):
    # 提交特定答案触发跳转
    answers = {"Q1": "OptionA"}  
    response = submit_survey(TEST_SURVEY_ID, answers)
    
    # 验证返回的下一个问题符合预期
    next_questions = response.json()["next_questions"]
    assert "Q3" in next_questions  # 应该跳过Q2
    assert "Q2" not in next_questions

4.2 性能测试集成

用pytest-benchmark插件添加性能测试：

python复制# test_cases/edge_cases/test_performance.py
def test_submit_performance(benchmark):
    @benchmark
    def submit_100_requests():
        for _ in range(100):
            submit_survey(TEST_SURVEY_ID, generate_answers())
    
    assert submit_100_requests.stats["max"] < 1.0  # 100次请求最大耗时<1秒

5. 测试报告优化

5.1 Allure报告增强

在conftest.py中添加钩子函数增强Allure报告：

python复制# conftest.py
@pytest.hookimpl(hookwrapper=True)
def pytest_runtest_makereport(item, call):
    outcome = yield
    report = outcome.get_result()
    
    if report.when == 'call':
        # 自动附加请求/响应到报告
        if "request_client" in item.fixturenames:
            request = item.funcargs["request"]
            allure.attach(
                str(request.response.text),
                name="API Response",
                attachment_type=allure.attachment_type.TEXT
            )

5.2 自动生成测试摘要

python复制# utils/report_utils.py
def generate_executive_summary():
    stats = {
        "pass_rate": (passed / total) * 100,
        "avg_response_time": sum(times) / len(times),
        "critical_issues": len([i for i in issues if i["level"] == "critical"])
    }
    
    with open("summary.md", "w") as f:
        f.write(f"""## 测试执行摘要
- 通过率: {stats['pass_rate']:.2f}%
- 平均响应时间: {stats['avg_response_time']:.2f}ms
- 严重问题: {stats['critical_issues']}个
""")

6. 常见问题排查

6.1 验证码处理方案

遇到验证码时有几种解决方案：

测试环境关闭验证码（推荐）
使用第三方打码平台（成本高）
设置白名单IP跳过验证（需要运维配合）

python复制# utils/request_client.py
def bypass_captcha():
    if os.getenv("ENV") == "test":
        return {"captcha": "TEST_MODE"}
    else:
        # 调用打码平台API
        return {"captcha": decode_captcha()}

6.2 测试数据清理

自动化测试会产生大量测试数据，需要在teardown阶段清理：

python复制# conftest.py
@pytest.fixture(scope="session", autouse=True)
def cleanup_test_data():
    yield
    if os.getenv("CLEANUP") == "true":
        delete_test_responses(TEST_SURVEY_ID)

7. 持续集成部署

7.1 GitHub Actions配置

yaml复制# .github/workflows/test.yml
name: Survey Tests
on: [push]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Set up Python
        uses: actions/setup-python@v2
        with:
          python-version: '3.9'
      - run: pip install -r requirements.txt
      - run: pytest --alluredir=./allure-results
      - uses: actions/upload-artifact@v2
        if: always()
        with:
          name: allure-results
          path: ./allure-results

7.2 钉钉通知集成

python复制# utils/notify.py
def send_dingtalk_message(report_url):
    headers = {"Content-Type": "application/json"}
    payload = {
        "msgtype": "markdown",
        "markdown": {
            "title": "测试结果通知",
            "text": f"### 问卷调查自动化测试完成\n" 
                    f"- 通过率: {pass_rate}%\n"
                    f"- 查看详情: [报告链接]({report_url})"
        }
    }
    requests.post(DINGTALK_WEBHOOK, json=payload, headers=headers)

这套框架在我最近参与的三个问卷项目中，平均减少了80%的测试时间。最惊喜的是发现了人工测试很难触发的边界条件问题——比如当用户同时提交两份完全相反的答案时，后台统计结果会出现负数。建议在fixture中多设计一些异常数据组合，往往能发现隐藏很深的逻辑漏洞。