封装重复操作
　　来，我们再整理一下我们的需求:
　　首先，不想去重复做拼接url的操作。
　　然后，不想每次都去手工打印日志。
　　不想和requests session打交道。
　　只想定义好参数直接调用。
　　我们先看一下实现后，脚本可能是什么样:
　class DemoApi(object):
　　def __init__(self， base_url):
　　self.base_url = base_url
　　@request(url='login'， method='post')
　　def login(self， username， password):
　　"""
　　登录接口
　　"""
　　data = {
　　'username': username，
　　'password': password
　　}
　　return {'data': data}
　　@request(url='info'， method='get')
　　def info(self):
　　"""
　　详情接口
　　"""
　　pass
　　调用登录接口的日志：
　******************************************************
　　1、接口描述
　　登录接口
　　2、请求url
　　http://127.0.0.1:5000/login
　　3、请求方法
　　post
　　4、请求headers
　　{
　　"Accept": "*/*"，
　　"Accept-Encoding": "gzip， deflate"，
　　"Connection": "keep-alive"，
　　"User-Agent": "python-requests/2.7.0 CPython/2.7.10 Darwin/16.4.0"
　　}
　　5、body参数
　　{
　　"password": "123456"，
　　"username": "admin"
　　}
　　6、响应结果
　　{
　　"code": 200，
　　"msg": "success"
　　}
　　在这里，我们使用python的装饰器功能，把公共特性封装到装饰器中去实现。现在感觉好多了，没什么多余的东西了，我们可以专注于关键参数的构造，剩下的是如何去实现这个装饰器了，我们先理一下思路：
　　获取装饰器参数
　　获取函数/方法参数
　　把装饰器和函数定义的参数合并
　　拼接url
　　处理requests session，有则使用，无则新生成一个
　　组装所有参数，发送http请求并打印日志
　　因篇幅限制，源码不再列出，有兴趣的同学可以查看已经实现的源代码。
　　源代码查看地址：https://github.com/yuyu1987/pithy-test/blob/master/pithy/api.py
　　七、扩展
　　http接口请求的姿势我们定义好了，我们还可以做些什么呢？
　　[x] 非HTTP协议接口
　　[x] 测试用例编写
　　[x] 配置文件管理
　　[x] 测试数据管理
　　[x] 工具类编写
　　[x] 测试报告生成
　　[x] 持续集成
　　[x] 等等等等
　　需要做的还是挺多的，要做什么不要做什么，或者先做哪个，我觉得可以根据以下几点去判断：
　　是否有利于提高团队生产效率？
　　是否有利于提高测试质量？
　　有没有现成的轮子可以用？
　　下面几项主要的点进行一下说明，限于篇幅，不再展开了。
　　测试报告
　　这个应该是大家关心的了，毕竟这是测试工作的产出；
　　目前python的主流单元测试框均有report插件，因此不建议自己再编写，除非有特殊需求的。
　　pytest：推荐使用pytest-html和allure pytest。
　　unittest：推荐使用HTMLTestRunner。
　　持续集成
　　持续集成推荐使用Jenkins，运行环境、定时任务、触发运行、邮件发送等一系列功能均可以在Jenkins上实现。
　　测试用例编写
　　推荐遵守如下规则：
　　原子性：每个用例保持独立，彼此不耦合，以降低干扰。
　　专一性：一个用例应该专注于验证一件事情，而不是做很多事情，一个测试点不要重复验证。
　　稳定性：绝大多数用例应该是非常稳定的，也是说不会经常因为除环境以外的因素挂掉，因为如果在一个测试项目中有很多不稳定的用例的话，测试结果不能很好的反应项目质量。
　　分类清晰：有相关性的用例应写到一个模块或一个测试类里，这样做即方便维护，又提高了报告的可读性。
　　测试工具类
　　这个可以根据项目情况去做，力求简化一些类库的使用，数据库访问、日期时间、序列化与反序列化等数据处理，或者封装一些常用操作，如随机生成订单号等等，以提高脚本编写效率。
　　测试数据管理
　　常见的方式有写在代码里、写在配置文件里(xml、yaml、json、.py、excel等)、写在数据库里等，该处没有什么好推荐的，建议根据个人喜好，怎么方便怎么来可以。
　　八、pithy测试框架介绍
　　pithy意为简洁有力的，意在简化自动化接口测试，提高测试效率。
　　项目地址：点击查看
　　帮助文档：点击查看
　　目前实现的功能如下：
　　一键生成测试项目
　　http client封装
　　thrift接口封装
　　简化配置文件使用
　　优化JSON、日期等工具使用
　　编写测试用例推荐使用pytest，pytest提供了很多测试工具以及插件，可以满足大部分测试需求。
　　安装
pip install pithy-test
pip install pytest
　　使用
　　一键生成测试项目
　>>>  pithy-cli init
　　请选择项目类型，输入api或者app: api
　　请输入项目名称，如pithy-api-test: pithy-api-test
　　开始创建pithy-api-test项目
　　开始渲染...
　　生成 api/.gitignore                   [√]
　　生成 api/apis/__init__.py             [√]
　　生成 api/apis/pithy_api.py            [√]
　　生成 api/cfg.yaml                     [√]
　　生成 api/db/__init__.py               [√]
　　生成 api/db/pithy_db.py               [√]
　　生成 api/README.MD                    [√]
　　生成 api/requirements.txt             [√]
　　生成 api/test_suites/__init__.py      [√]
　　生成 api/test_suites/test_login.py    [√]
　　生成 api/utils/__init__.py            [√]
　　生成成功，请使用编辑器打开该项目
　　生成项目树：
>>> tree pithy-api-test
　　pithy-api-test
　　├── README.MD
　　├── apis
　　│   ├── __init__.py
　　│   └── pithy_api.py
　　├── cfg.yaml
　　├── db
　　│   ├── __init__.py
　　│   └── pithy_db.py
　　├── requirements.txt
　　├── test_suites
　　│   ├── __init__.py
　　│   └── test_login.py
　　└── utils
　　└── __init__.py
　　4 directories， 10 files
　　调用HTTP登录接口示例
　　from pithy import request
　　@request(url='http://httpbin.org/post'， method='post')
　　def post(self， key1='value1'):
　　"""
　　post method
　　"""
　　data = {
　　'key1': key1
　　}
　　return dict(data=data)
　　# 使用
　　response = post('test').to_json()     # 解析json字符，输出为字典
　　response = post('test').json          # 解析json字符，输出为字典
　　response = post('test').to_content()  # 输出为字符串
　　response = post('test').content       # 输出为字符串
　　response = post('test').get_cookie()  # 输出cookie对象
　　response = post('test').cookie        # 输出cookie对象
　　# 结果取值， 假设此处response = {'a': 1， 'b': { 'c': [1， 2， 3， 4]}}
　　response = post('13111111111'， '123abc').json
　　print response.b.c   # 通过点号取值，结果为[1， 2， 3， 4]
　　print response('$.a') # 通过object path取值，结果为1
　　for i in response('$..c[@>3]'): # 通过object path取值，结果为选中c字典里大于3的元素
　　print i
　　优化JSON、字典使用
　　# 1、操作JSON的KEY
　　from pithy import JSONProcessor
　　dict_data = {'a': 1， 'b': {'a': [1， 2， 3， 4]}}
　　json_data = json.dumps(dict_data)
　　result = JSONProcessor(json_data)
　　print result.a     # 结果：1
　　print result.b.a   # 结果：[1， 2， 3， 4]
　　# 2、操作字典的KEY
　　dict_data = {'a': 1， 'b': {'a': [1， 2， 3， 4]}}
　　result = JSONProcessor(dict_data)
　　print result.a     # 1
　　print result.b.a   # [1， 2， 3， 4]
　　# 3、object path取值
　　raw_dict = {
　　'key1':{
　　'key2':{
　　'key3': [1， 2， 3， 4， 5， 6， 7， 8]
　　}
　　}
　　}
　　jp = JSONProcessor(raw_dict)
　　for i in jp('$..key3[@>3]'):
　　print i
　　# 4、其它用法
　　dict_1 = {'a': 'a'}
　　json_1 = '{"b": "b"}'
　　jp = JSONProcessor(dict_1， json_1， c='c')
　　print(jp)
　　九、总结
　　在本文中，我们以提高脚本开发效率为前提，一步一步打造了一个简易的测试框架，但因水平所限，并未涉及测试数据初始化清理、测试中如何MOCK等话题，前路依然任重而道远，希望给大家一个启发，不足之处还望多多指点，非常感谢。