用 Python 测试 API 的 3 种方式--粉丝服务平台-粉丝头条-fensifuwu.com

用 Python 测试 API 的 3 种方式

科技 08-19 来源：硬核老王

单元测试可能令人生畏，但是这些 Python 模块会使你的生活变得更容易。

在这个教程中，你将学到如何对执行 HTTP 请求代码的进行单元测试。也就是说，你将看到用 Python 对 API 进行单元测试的艺术。

单元测试是指对单个行为的测试。在测试中，一个众所周知的经验法则就是隔离那些需要外部依赖的代码。

比如，当测试一段执行 HTTP 请求的代码时，建议在测试过程中，把真正的调用替换成一个假的的调用。这种情况下，每次运行测试的时候，就可以对它进行单元测试，而不需要执行一个真正的 HTTP 请求。

问题就是，怎样才能隔离这些代码？

这就是我希望在这篇博文中回答的问题！我不仅会向你展示如果去做，而且也会权衡不同方法之间的优点和缺点。

要求：

Python 3.8
pytest-mock
requests
flask
responses
VCR.py

使用一个天气状况 REST API 的演示程序

为了更好的解决这个问题，假设你正在创建一个天气状况的应用。这个应用使用第三方天气状况 REST API 来检索一个城市的天气信息。其中一个需求是生成一个简单的 HTML 页面，像下面这个图片：

伦敦的天气，OpenWeatherMap。图片是作者自己制作的。

为了获得天气的信息，必须得去某个地方找。幸运的是，通过 OpenWeatherMap的 REST API 服务，可以获得一切需要的信息。

好的，很棒，但是我该怎么用呢？

通过发送一个 GET请求到：https://api.openweathermap.org/data/2.5/weather?q={city_name}&appid={api_key}&units=metric，就可以获得你所需要的所有东西。在这个教程中，我会把城市名字设置成一个参数，并确定使用公制单位。

检索数据

使用 requests模块来检索天气数据。你可以创建一个接收城市名字作为参数的函数，然后返回一个 JSON。JSON 包含温度、天气状况的描述、日出和日落时间等数据。

下面的例子演示了这样一个函数：

def find_weather_for(city: str) -> dict:    """Queries the weather API and returns the weather data for a particular city."""    url = API.format(city_name=city, api_key=API_KEY)    resp = requests.get(url)    return resp.json

这个 URL 是由两个全局变量构成：

BASE_URL = "https://api.openweathermap.org/data/2.5/weather"API = BASE_URL + "?q={city_name}&appid={api_key}&units=metric"

API 以这个格式返回了一个 JSON：

{  "coord": {    "lon": -0.13,    "lat": 51.51  },  "weather": [    {      "id": 800,      "main": "Clear",      "description": "clear sky",      "icon": "01d"    }  ],  "base": "stations",  "main": {    "temp": 16.53,    "feels_like": 15.52,    "temp_min": 15,    "temp_max": 17.78,    "pressure": 1023,    "humidity": 72  },  "visibility": 10000,  "wind": {    "speed": 2.1,    "deg": 40  },  "clouds": {    "all": 0  },  "dt": 1600420164,  "sys": {    "type": 1,    "id": 1414,    "country": "GB",    "sunrise": 1600407646,    "sunset": 1600452509  },  "timezone": 3600,  "id": 2643743,  "name": "London",  "cod": 200

当调用 resp.json的时候，数据是以 Python 字典的形式返回的。为了封装所有细节，可以用dataclass来表示它们。这个类有一个工厂方法，可以获得这个字典并且返回一个WeatherInfo实例。

这种办法很好，因为可以保持这种表示方法的稳定。比如，如果 API 改变了 JSON 的结构，就可以在同一个地方（from_dict方法中）修改逻辑。其他代码不会受影响。你也可以从不同的源获得信息，然后把它们都整合到from_dict方法中。

@dataclassclass WeatherInfo:    temp: float    sunset: str    sunrise: str    temp_min: float    temp_max: float    desc: str    @classmethod    def from_dict(cls, data: dict) -> "WeatherInfo":        return cls(            temp=data["main"]["temp"],            temp_min=data["main"]["temp_min"],            temp_max=data["main"]["temp_max"],            desc=data["weather"][0]["main"],            sunset=format_date(data["sys"]["sunset"]),            sunrise=format_date(data["sys"]["sunrise"]),        )

现在来创建一个叫做 retrieve_weather的函数。使用这个函数调用 API，然后返回一个WeatherInfo，这样就可创建你自己的 HTML 页面。

def retrieve_weather(city: str) -> WeatherInfo:    """Finds the weather for a city and returns a WeatherInfo instance."""    data = find_weather_for(city)    return WeatherInfo.from_dict(data)

很好，我们的 app 现在有一些基础了。在继续之前，对这些函数进行单元测试。

1、使用 mock 测试 API

根据维基百科，模拟对象mock object是通过模仿真实对象来模拟它行为的一个对象。在 Python 中，你可以使用unittest.mock库来模拟mock任何对象，这个库是标准库中的一部分。为了测试retrieve_weather函数，可以模拟requests.get，然后返回静态数据。

pytest-mock

在这个教程中，会使用 pytest作为测试框架。通过插件，pytest库是非常具有扩展性的。为了完成我们的模拟目标，要用pytest-mock。这个插件抽象化了大量unittest.mock中的设置，也会让你的代码更简洁。如果你感兴趣的话，我在另一篇博文中会有更多的讨论。

好的，言归正传，现在看代码。

下面是一个 retrieve_weather函数的完整测试用例。这个测试使用了两个fixture：一个是由pytest-mock插件提供的mockerfixture, 还有一个是我们自己的。就是从之前请求中保存的静态数据。

@pytest.fixturedef fake_weather_info:    """Fixture that returns a static weather data."""    with open("tests/resources/weather.json") as f:        return json.load(f)

def test_retrieve_weather_using_mocks(mocker, fake_weather_info):    """Given a city name, test that a HTML report about the weather is generated    correctly."""    # Creates a fake requests response object    fake_resp = mocker.Mock    # Mock the json method to return the static weather data    fake_resp.json = mocker.Mock(return_value=fake_weather_info)    # Mock the status code    fake_resp.status_code = HTTPStatus.OK    mocker.patch("weather_app.requests.get", return_value=fake_resp)    weather_info = retrieve_weather(city="London")    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

如果运行这个测试，会获得下面的输出：

============================= test session starts ==============================...[omitted]...tests/test_weather_app.py::test_retrieve_weather_using_mocks PASSED      [100%]============================== 1 passed in 0.20s ===============================Process finished with exit code 0

很好，测试通过了！但是...生活并非一帆风顺。这个测试有优点，也有缺点。现在来看一下。

优点

好的，有一个之前讨论过的优点就是，通过模拟 API 的返回值，测试变得简单了。将通信和 API 隔离，这样测试就可以预测了。这样总会返回你需要的东西。

缺点

对于缺点，问题就是，如果不再想用 requests了，并且决定回到标准库的urllib，怎么办。每次改变find_weather_for的代码，都得去适配测试。好的测试是，当你修改代码实现的时候，测试时不需要改变的。所以，通过模拟，你最终把测试和实现耦合在了一起。

而且，另一个不好的方面是你需要在调用函数之前进行大量设置——至少是三行代码。

...    # Creates a fake requests response object    fake_resp = mocker.Mock    # Mock the json method to return the static weather data    fake_resp.json = mocker.Mock(return_value=fake_weather_info)    # Mock the status code    fake_resp.status_code = HTTPStatus.OK...

我可以做的更好吗？

是的，请继续看。我现在看看怎么改进一点。

使用 responses

用 mocker功能模拟requests有点问题，就是有很多设置。避免这个问题的一个好办法就是使用一个库，可以拦截requests调用并且给它们打补丁patch。有不止一个库可以做这件事，但是对我来说最简单的是responses。我们来看一下怎么用，并且替换mock。

@responses.activatedef test_retrieve_weather_using_responses(fake_weather_info):    """Given a city name, test that a HTML report about the weather is generated    correctly."""    api_uri = API.format(city_name="London", api_key=API_KEY)    responses.add(responses.GET, api_uri, json=fake_weather_info, status=HTTPStatus.OK)    weather_info = retrieve_weather(city="London")    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

这个函数再次使用了我们的 fake_weather_infofixture。

然后运行测试：

============================= test session starts ==============================...tests/test_weather_app.py::test_retrieve_weather_using_responses PASSED  [100%]============================== 1 passed in 0.19s ===============================

非常好！测试也通过了。但是...并不是那么棒。

优点

使用诸如 responses这样的库，好的方面就是不需要再给requests打补丁patch。通过将这层抽象交给库，可以减少一些设置。然而，如果你没注意到的话，还是有一些问题。

缺点

和 unittest.mock很像，测试和实现再一次耦合了。如果替换requests，测试就不能用了。

2、使用适配器测试 API

如果用模拟让测试耦合了，我能做什么？

设想下面的场景：假如说你不能再用 requests了，而且必须要用urllib替换，因为这是 Python 自带的。不仅仅是这样，你了解了不要把测试代码和实现耦合，并且你想今后都避免这种情况。你想替换urllib，也不想重写测试了。

事实证明，你可以抽象出执行 GET请求的代码。

真的吗？怎么做？

可以使用适配器adapter来抽象它。适配器是一种用来封装其他类的接口，并作为新接口暴露出来的一种设计模式。用这种方式，就可以修改适配器而不需要修改代码了。比如，在 find_weather_for函数中，封装关于requests的所有细节，然后把这部分暴露给只接受 URL 的函数。

所以，这个：

def find_weather_for(city: str) -> dict:    """Queries the weather API and returns the weather data for a particular city."""    url = API.format(city_name=city, api_key=API_KEY)    resp = requests.get(url)    return resp.json

变成这样：

def find_weather_for(city: str) -> dict:    """Queries the weather API and returns the weather data for a particular city."""    url = API.format(city_name=city, api_key=API_KEY)    return adapter(url)

然后适配器变成这样：

def requests_adapter(url: str) -> dict:    resp = requests.get(url)    return resp.json

现在到了重构 retrieve_weather函数的时候：

def retrieve_weather(city: str) -> WeatherInfo:    """Finds the weather for a city and returns a WeatherInfo instance."""    data = find_weather_for(city, adapter=requests_adapter)    return WeatherInfo.from_dict(data)

所以，如果你决定改为使用 urllib的实现，只要换一下适配器：

def urllib_adapter(url: str) -> dict:    """An adapter that encapsulates urllib.urlopen"""    with urllib.request.urlopen(url) as response:        resp = response.read    return json.loads(resp)

def retrieve_weather(city: str) -> WeatherInfo:    """Finds the weather for a city and returns a WeatherInfo instance."""    data = find_weather_for(city, adapter=urllib_adapter)    return WeatherInfo.from_dict(data)

好的，那测试怎么做？

为了测试 retrieve_weather, 只要创建一个在测试过程中使用的假的适配器：

@responses.activatedef test_retrieve_weather_using_adapter(    fake_weather_info,):    def fake_adapter(url: str):        return fake_weather_info    weather_info = retrieve_weather(city="London", adapter=fake_adapter)    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

如果运行测试，会获得：

============================= test session starts ==============================tests/test_weather_app.py::test_retrieve_weather_using_adapter PASSED    [100%]============================== 1 passed in 0.22s ===============================

优点

这个方法的优点是可以成功将测试和实现解耦。使用依赖注入dependency injection在测试期间注入一个假的适配器。你也可以在任何时候更换适配器，包括在运行时。这些事情都不会改变任何行为。

缺点

缺点就是，因为你在测试中用了假的适配器，如果在实现中往适配器中引入了一个 bug，测试的时候就不会发现。比如说，往 requests传入了一个有问题的参数，像这样：

def requests_adapter(url: str) -> dict:    resp = requests.get(url, headers=

在生产环境中，适配器会有问题，而且单元测试没办法发现。但是事实是，之前的方法也会有同样的问题。这就是为什么不仅要单元测试，并且总是要集成测试。也就是说，要考虑另一个选项。

3、使用 VCR.py 测试 API

现在终于到了讨论我们最后一个选项了。诚实地说，我也是最近才发现这个。我用模拟mock也很长时间了，而且总是有一些问题。VCR.py是一个库，它可以简化很多 HTTP 请求的测试。

它的工作原理是将第一次运行测试的 HTTP 交互记录为一个 YAML 文件，叫做 cassette。请求和响应都会被序列化。当第二次运行测试的时候，VCT.py将拦截对请求的调用，并且返回一个响应。

现在看一下下面如何使用 VCR.py测试retrieve_weather：

@vcr.use_cassettedef test_retrieve_weather_using_vcr(fake_weather_info):    weather_info = retrieve_weather(city="London")    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

天呐，就这样？没有设置？@vcr.use_cassette是什么？

是的，就这样！没有设置，只要一个 pytest标注告诉 VCR 去拦截调用，然后保存 cassette 文件。

cassette 文件是什么样？

好问题。这个文件里有很多东西。这是因为 VCR 保存了交互中的所有细节。

interactions:- request:    body: null    headers:      Accept:      - '*/*'      Accept-Encoding:      - gzip, deflate      Connection:      - keep-alive      User-Agent:      - python-requests/2.24.0    method: GET    uri: https://api.openweathermap.org/data/2.5/weather?q=London&appid=

确实很多！

真的！好的方面就是你不需要留意它。VCR.py会为你安排好一切。