我们做黑盒测试的同学，在没有自动化的条件下，遇到过这些烦恼：

1. 辛辛苦苦构造了一波数据，测完一轮后，回归测试发现数据损坏
2. 为了测通这条用例，需要一波猛操作调用多个依赖 API 做好场景
3. 各种批量处理，比如给我这 100 个测试账户加 10 个亿资产
4. ……

面对上述问题，初期咱们可以写好 DML 脚本、在 postman 录好依赖接口的用例等等，需要的时候「一键执行」。好吧，如果这些情况非常多，你要连接 n 个库、管理 n 个依赖接口的时候，事情就没那么「一键」了。

前面举例的场景简单的涉及了两类需求：调 API、跑数据库脚本。Python 的 pymysql、request 库就能够完成，可以说走到这一步已经比较省事了。如果能更进一步呢，咱们试试 Flask，分类把这些协助测试的操作封装成一个个 web 接口，让测试同学执行用例前回车一下 URL 就好。

Flask 作为 Python 轻量级的 web 应用程序框架，深受初入 web 开发和测试同学的喜爱，一个字「轻」！网上有很多讲解这里就不粘贴了。简单聊聊我们用它做了什么。

Flask 框架搭建

简单地理一下思路：

Flask 服务搭起来：

import logging, linecache, flask, json, os
from logging import getLogger
from logging.handlers import RotatingFileHandler
from flask import request, jsonify, Flask, render_template

server = flask.Flask(__name__, template_folder="testman", static_folder="testman")
log = getLogger(__name__)
current_dir = os.path.dirname(os.path.abspath(__file__))
#testhome前端页面资源
@server.route("/testman/")
def testman():
    return render_template("index.html")
#api_sce,api测试场景构造（api_scripts/env路径下），用例调用，必传参数：env-测试环境、pyname-脚本名称
@server.route('/testman/api_sce', methods=['get', 'post'])
def api_sce():
    pyname = request.values.get('pyname')
    env = request.values.get('env')
    py_path = current_dir + '\\api_scripts\\' + env + '\\'
    import sys
    sys.path.append(py_path)
    find = os.path.exists(py_path + pyname + '.py')
    if find == False:
        resu_err = {'code': 1, 'message': '没有找到模块: ' + pyname + '.py'}
        return jsonify(resu_err)
    else:
        try:
            import importlib
            py_model = __import__(pyname)
            importlib.reload(py_model)
            fun_ = getattr(py_model, pyname)
            data = fun_(env)
            print("返回的data:{}".format(data))
        except Exception as e:
            print(e)
            data = str(e)
        resu = {'code': 0, 'message': '执行模块：' + pyname + '.py' + ' 成功！', 'data': data}
        return jsonify(resu)

从简短的示例可以看到，这里一个 python 模块可以封装多个 API，你可以定义不同 API 来实现不同的测试工具，也可以大统一 1 个 API 去调用指定路径下的指定 python 模块。我们使用了后者，通过 Flask 接口的入参 pyname 找到对应的.py 处理模块并调用，好处在于（1）构建测试工具的同学不用关心框架，直接输出自己的.py 模块就好；（2）不用每次修改或新增工具时修改 Flask；

然后通过浏览器访问工具一键处理测试场景：
http://url/api_sce?env=env&pyname=pyname

嵌入 vue

欲求不满的测试同学应该会想进一步界面化工具，vue 搞起来：

** body **

<h2>选择环境</h2>
<el-radio @user3="api_showpy_run" label="sit" v-model="env">sit</el-radio>
<el-radio @user4="api_showpy_run" label="uat" v-model="env">uat</el-radio>
<el-radio @user5="api_showpy_run" label="dev" v-model="env">dev</el-radio>
<el-radio @user6="api_showpy_run" label="pet" v-model="env">pet</el-radio>           
<br>
<h2>选择脚本</h2>
<!-- 下拉框取pynames -->
<el-select v-model="selected" filterable aria-placeholder="请选择">
    <el-option 
     v-for="item in pynames"
     :label=item
     :value=item>
    </option>
</el-select>
<br>
<!-- 执行选中的python脚本，调用api_sce_run -->
<el-button type="primary" @user7="api_sce_run">执行</el-button>            <br>
<br>
执行结果：
<pre>{{result}}</pre>

** script **

methods:{
    // api_sce_run用于执行选中的脚本
    api_sce_run(){
        if (this.env == '') {
            this.$message({message:'请选择测试环境！',type:'warning'})
            // alert('请选择测试环境！')
            pass
        }
        if (this.selected == '') {
            this.$message({message:'请选择脚本！',type:'warning'})
            // alert('请选择脚本！')
            pass
        }
        this.$message({message:'提交成功，请耐心等待!',type:'success'});
        axios
            .get(this.url+'/api_sce?'+'env='+this.env+'&pyname='+this.selected)
            .then(response => (this.result = response.data))
    },
    // api_showpy_run用于查询当前环境路径下可执行的所有脚本文件，输出列表
    api_showpy_run(){
        this.selected = ''
        this.result = ''
        axios
            .get(this.url+'/api_showpy?'+'env='+this.env)
            .then(response => (this.pynames = response.data))
    },
}

** 界面 **

这样，我们可以减少在回归测试阶段场景构建的重复投入，非测试人员使用时也无需测试人员介入，比如产品走差、开发自测，可以直接界面操作生成测试场景。测试同学可以更专注于用例设计开发和测试执行。