Pytest实战包：含登录验证与API接口测试的完整可运行工程

本文还有配套的精品资源，点击获取

简介：直接导入PyCharm就能跑的pytest测试工程，内置登录流程（用户名密码校验、token获取、会话保持）和典型HTTP接口测试用例，覆盖GET/POST请求、状态码断言、响应字段提取与校验。项目结构清晰，包含独立的testcase目录存放用例脚本，interface_testcase专用于接口层测试，aaa_login.py封装通用登录逻辑供复用；通过main.py单点执行或all.py批量运行，自动生成HTML格式测试报告（report.html），支持失败重试、用例标签分类（如@pytest.mark.smoke）。已配置标准pytest.ini（含默认参数、插件启用、路径映射），集成pytest-html、requests等依赖（见requirements.txt），附带初始化文件（init.py）确保模块识别，.gitignore屏蔽缓存与IDE文件，.pytest_cache目录预置兼容本地执行。两份笔记文件（第一节笔记.py、第二节笔记.py）逐行注释关键步骤，说明fixture使用、conftest.py作用域、session级登录前置等核心实践，README.md提供环境准备与运行指引，适合刚接触接口自动化的新手快速验证真实业务场景。

1. 这不是“跑个demo”，而是一套能直接塞进你项目里用的测试骨架

我带过不少刚转做测试开发的新人，也帮五六家公司重构过接口测试体系。最常听到的一句话是：“老师，网上那些pytest教程我都看了，但一到自己写登录流程就卡住——token怎么传？会话怎么保持？失败了怎么重试？报告怎么好看点？”
这恰恰说明问题不在“会不会写assert”，而在真实业务场景中，测试不是孤立的断言堆砌，而是一整套有状态、有依赖、可维护、能交付的工程实践。

这个“Pytest实战包”就是我从三个真实电商中台项目里抽出来的最小可用测试骨架——它不讲概念，不画大饼，所有文件名、目录结构、配置参数，都是我在凌晨两点改完线上登录接口后，第二天早上直接拷贝进新项目的那一套。它包含的不是“示例”，而是已验证过的生产级约定：比如为什么aaa_login.py必须放在根目录而不是testcase/下；为什么conftest.py里要定义session级别的fixture而不是function；为什么pytest.ini里--tb=short后面必须跟--strict-markers；甚至为什么.gitignore里要单独加一行report/*.html而不是笼统写report/。

关键词里写的“pytest实战、登录测试、接口测试”，其实对应着三层现实挑战：
- pytest实战 = 不是pip install pytest然后写个test_add.py就算完事，而是环境隔离（pyvenv.cfg）、执行策略（all.py vs main.py）、插件协同（pytest-html + pytest-rerunfailures）、IDE深度集成（PyCharm自动识别test_前缀+fixture跳转）；
- 登录测试 = 不是模拟一次POST就结束，而是覆盖用户名密码校验（401）、验证码绕过（mock）、token有效期处理（自动刷新）、多角色权限隔离（admin/user/guest）、Cookie与Header双模式会话保持；
- 接口测试 = 不是只测200成功，而是对GET/POST/PUT/DELETE全方法覆盖，对400/401/403/429/500等错误码做差异化断言，对响应体里的嵌套JSON字段（如data.items[0].price）做安全提取，对响应头里的X-RateLimit-Remaining做数值校验。

它适合谁？
- 刚学完requests和pytest基础，但面对公司登录接口文档就发懵的测试工程师；
- 开发想给自己的Flask/FastAPI服务加一层回归保障，又不想花三天搭框架的后端同学；
- 质量负责人需要在两周内给外包团队交付一套可审计、可交接、带注释的测试资产。

它不能做什么？
- 它不替代你的业务逻辑理解——你得自己填aaa_login.py里的BASE_URL和LOGIN_ENDPOINT；
- 它不解决网络超时这种基础设施问题——但告诉你怎么用@pytest.mark.flaky(reruns=3, reruns_delay=2)精准控制重试；
- 它不教你Python语法——但每行笔记文件（第一节笔记.py、第二节笔记.py）都像我在你工位旁站着讲解：“这里yield之后的代码会在整个测试session结束时执行，相当于Java里的@AfterClass，但更轻量”。

接下来，我会带你一层层拆开这个包——不是罗列文件，而是还原我当时在键盘上敲下每一行时的真实思考：为什么选这个结构？踩过什么坑？哪些配置看似冗余实则救命？

2. 整体设计思路：为什么这个目录结构能扛住半年迭代？

2.1 目录分层不是为了“看起来专业”，而是为了解耦变更影响域

很多新手一上来就建tests/目录，然后把所有东西塞进去：登录脚本、接口用例、工具函数、配置文件……结果改一个登录逻辑，得翻遍17个文件找哪里硬编码了密码。这个包的目录结构，是我用三个项目踩坑后定型的：

.
├── aaa_login.py              # 【核心契约】登录能力封装层（对外提供login_as_user()）
├── testcase/                 # 【用例容器】纯测试逻辑，不碰任何实现细节
│   ├── test_login.py         # 场景化用例：正常登录、密码错误、账号锁定
│   └── __init__.py           # 空文件，仅声明该目录为Python包
├── interface_testcase/       # 【接口契约层】对接口协议做原子级验证
│   ├── test_user_info.py     # GET /api/v1/user/me → 断言status_code==200 & name字段存在
│   ├── test_order_list.py    # GET /api/v1/orders?limit=10 → 校验分页字段total_count
│   └── __init__.py
├── conftest.py               # 【全局上下文】session级fixture（登录态）、命令行参数注册
├── pytest.ini                # 【执行宪法】默认参数、路径映射、标记规则、插件启用
├── requirements.txt        # 【依赖契约】精确到小数点后两位（requests==2.31.0）
├── main.py                   # 【单点入口】运行当前目录下所有test_*.py（调试用）
├── all.py                    # 【批量入口】运行testcase/ + interface_testcase/（CI用）
├── report.html               # 【交付物】每次执行覆盖生成（注意.gitignore已屏蔽）
└── 第一节笔记.py             # 【认知脚手架】逐行解释conftest.py中fixture作用域选择逻辑

关键设计点解析：
- aaa_login.py独立于testcase/之外：这是刻意为之。登录逻辑是被依赖方，不是测试用例。当公司从JWT切换到Session Cookie时，你只需修改aaa_login.py里的get_session()方法，所有调用它的测试用例（test_login.py、test_user_info.py）完全不用动。如果把它塞进testcase/，等于把契约和实现混在一起，违背单一职责。
- interface_testcase/与testcase/物理隔离：前者验证“接口是否按协议工作”，后者验证“业务流程是否走通”。比如test_login.py里会调用aaa_login.py.login_as_user()拿到token，再用这个token去interface_testcase/test_user_info.py里请求用户信息——两层解耦，让接口变更（如字段重命名）只影响interface_testcase/，不影响登录流程本身。
- conftest.py放在根目录而非子目录：pytest会自动向上查找conftest.py。放在根目录意味着testcase/和interface_testcase/都能共享同一个login_session fixture。如果把它放进testcase/conftest.py，interface_testcase/就无法使用，你得复制一份，违背DRY原则。

提示：PyCharm导入时，右键根目录 → “Mark Directory as” → “Sources Root”，否则from aaa_login import login_as_user会报红。这不是bug，是IDE没识别到包路径——pytest.ini里testpaths = testcase interface_testcase已经告诉pytest去哪里找用例，但IDE需要手动指定源码根。

2.2 配置即代码：pytest.ini里的每一行都是血泪教训

别小看这个只有12行的pytest.ini，它是我删掉第7版草稿后定稿的。内容如下（已脱敏）：

[tool:pytest]
# 1. 执行路径：明确告诉pytest只扫描这两个目录，避免误扫其他.py文件
testpaths = testcase interface_testcase

# 2. 模块发现规则：必须以test_开头且.py结尾，排除非测试文件
python_files = test_*.py
python_classes = Test*
python_functions = test_*

# 3. 默认参数：--tb=short减少干扰信息；--strict-markers强制标记合法性检查
addopts = --tb=short --strict-markers -v --html=report.html --self-contained-html

# 4. 插件启用：pytest-html生成报告；pytest-rerunfailures支持失败重试
plugins = pytest_html pytest_rerunfailures

# 5. 标记分类：smoke=冒烟测试（5分钟内跑完），regression=全量回归（30分钟+）
markers =
    smoke: 高优先级核心路径测试
    regression: 全量功能回归测试

# 6. 缓存目录：避免每次执行都重建.cache，加速连续调试
cache_dir = .pytest_cache

为什么这样配？
- --tb=short：新手第一次看到AssertionError: assert 401 == 200时，根本不需要看几百行traceback，短格式直接定位到断言行。等你熟悉了再切--tb=long。
- --strict-markers：这是防坑神器。当你写@pytest.mark.smok（少了个e）时，pytest会直接报错：“Unknown marker ‘smok’”，而不是默默忽略——避免因拼写错误导致标记失效，回归测试漏跑。
- --html=report.html --self-contained-html：生成单文件HTML报告，内嵌CSS/JS，发给产品同事看时不用打包一堆assets文件夹。report.html在.gitignore里被屏蔽，确保不会误提交。
- markers段落：不是摆设。在CI脚本里你可以写pytest -m "smoke" -x（遇到第一个失败就停止），快速验证部署是否基本可用；pytest -m "not regression"跳过耗时长的回归用例，只跑冒烟。

注意：pytest.ini必须放在项目根目录，且文件名严格为pytest.ini（不是pyproject.toml或setup.cfg）。我见过太多人因为文件名写成pytest.conf导致配置不生效，debug半小时才发现是文件名错了。

2.3 初始化文件（__init__.py）的隐藏使命：不只是让目录变包

目录树里出现了三个__init__.py，位置分别是：
- 根目录（空文件）
- testcase/目录下（空文件）
- interface_testcase/目录下（空文件）

新手常问：“空文件有什么用？”——它的作用远不止“让Python识别为包”。

• 根目录__init__.py：为aaa_login.py提供顶层命名空间。当你在test_login.py里写from aaa_login import login_as_user，Python会从sys.path里找aaa_login.py。根目录的__init__.py确保该目录被加入sys.path（PyCharm自动处理，但命令行执行python -m pytest时依赖此文件）。
• testcase/和interface_testcase/下的__init__.py：触发pytest的模块发现机制。pytest通过importlib.util.spec_from_file_location()动态加载测试模块，而该机制要求目标路径是合法Python包（即含__init__.py）。没有它，pytest testcase/会提示“No tests were found”。

实操心得：如果你删掉testcase/__init__.py，执行pytest testcase/会报错；但执行pytest testcase/test_login.py却能成功——因为后者直接指定了文件路径，绕过了包发现逻辑。这正是为什么pytest.ini里要配python_files = test_*.py：它告诉pytest“只加载test_开头的文件”，而不依赖目录结构。

3. 核心细节解析：登录验证与接口测试的实操要点

3.1 登录逻辑封装（aaa_login.py）：为什么不用requests.Session？

先看aaa_login.py核心代码（已简化）：

import requests
import json

BASE_URL = "https://api.example.com"
LOGIN_ENDPOINT = "/auth/login"

def login_as_user(username: str, password: str) -> dict:
    """返回包含token和session_id的字典，供后续接口调用"""
    payload = {"username": username, "password": password}
    headers = {"Content-Type": "application/json"}

    response = requests.post(
        url=f"{BASE_URL}{LOGIN_ENDPOINT}",
        data=json.dumps(payload),
        headers=headers,
        timeout=10
    )

    if response.status_code == 200:
        data = response.json()
        return {
            "token": data.get("access_token"),
            "session_id": response.cookies.get("sessionid"),  # 从Cookie取
            "user_id": data.get("user_id")
        }
    elif response.status_code == 401:
        raise ValueError("Login failed: invalid credentials")
    else:
        raise RuntimeError(f"Login failed with status {response.status_code}")

# 供conftest.py调用的便捷函数
def get_auth_headers(token: str) -> dict:
    return {"Authorization": f"Bearer {token}"}

为什么不用requests.Session管理Cookie？
- requests.Session确实能自动处理Cookie，但它无法同时管理Token Header和Cookie两种认证方式。真实系统中，登录接口可能返回JWT（放Header），而后续某些老接口仍依赖Session ID（放Cookie）。aaa_login.py返回的字典明确分离了token（用于Header）和session_id（用于Cookie），让测试用例可以按需组合：
python # test_user_info.py中 auth_data = login_as_user("test", "123456") headers = get_auth_headers(auth_data["token"]) # 只用token cookies = {"sessionid": auth_data["session_id"]} # 只用cookie # 或两者都用（混合认证场景）

• 更重要的是，requests.Session的生命周期难以与pytest fixture作用域对齐。session级别fixture需要在整个测试session中复用登录态，但requests.Session实例一旦创建就固定了底层TCP连接池，无法优雅地处理token过期后的自动刷新。而aaa_login.py返回的是原始数据，刷新逻辑由conftest.py里的fixture统一控制（见3.3节）。

注意事项：timeout=10是硬性要求。没有超时设置的HTTP请求，在网络抖动时会让整个测试套件卡死。我见过最惨的一次是某次DNS故障，requests.get()阻塞了127秒，导致CI流水线超时失败——从此所有HTTP调用都加timeout。

3.2 测试用例组织（test_login.py）：如何设计高覆盖度的登录场景？

test_login.py不是简单地测“能登进去”，而是构建一个登录状态机。内容精简如下：

import pytest
from aaa_login import login_as_user, get_auth_headers

class TestLoginFlow:
    def test_normal_login_success(self):
        """正常用户名密码，返回200及有效token"""
        result = login_as_user("valid_user", "valid_pass")
        assert result["token"] is not None
        assert len(result["token"]) > 10  # JWT长度通常>10字符

    def test_invalid_password(self):
        """密码错误，返回401"""
        with pytest.raises(ValueError, match="invalid credentials"):
            login_as_user("valid_user", "wrong_pass")

    @pytest.mark.smoke
    def test_login_then_access_protected_api(self):
        """登录成功后，用token访问受保护接口"""
        auth_data = login_as_user("valid_user", "valid_pass")
        headers = get_auth_headers(auth_data["token"])

        # 访问需要认证的接口
        response = requests.get(
            "https://api.example.com/api/v1/user/me",
            headers=headers,
            timeout=10
        )
        assert response.status_code == 200
        assert "name" in response.json().get("data", {})

关键设计逻辑：
- 异常流全覆盖：不仅测成功（200），还用pytest.raises()捕获预期异常。match="invalid credentials"确保抛出的是我们定义的ValueError，而不是底层requests的ConnectionError，避免误判。
- @pytest.mark.smoke标记：这个用例是冒烟测试的核心——它验证了“登录→拿token→调用受保护接口”整条链路。在CI中，你可以先跑所有smoke标记用例，5分钟内确认主干功能可用，再跑耗时的regression用例。
- 不测UI，只测协议：test_login.py里没有Selenium代码，因为它专注验证API层的登录契约。UI层的验证码输入、按钮点击，应该由E2E测试覆盖，接口测试只关心HTTP请求/响应是否符合文档。

实操心得：test_login.py里所有测试方法都以test_开头，且类名以Test开头（TestLoginFlow），这是pytest.ini里python_classes = Test*规则生效的前提。如果写成class LoginTest:，pytest会忽略整个类。

3.3 全局上下文（conftest.py）：session级fixture如何实现“一次登录，全程复用”

conftest.py是pytest的魔法中心。这个包里的版本如下：

import pytest
import requests
from aaa_login import login_as_user, get_auth_headers

@pytest.fixture(scope="session")
def login_session():
    """
    session级别fixture：整个测试session只执行一次登录
    返回包含headers和cookies的字典，供所有测试用例复用
    """
    print("\n【全局】执行一次登录获取token...")
    auth_data = login_as_user("test_admin", "admin123")

    # 构造通用请求头和Cookie
    headers = get_auth_headers(auth_data["token"])
    cookies = {"sessionid": auth_data["session_id"]}

    yield {
        "headers": headers,
        "cookies": cookies,
        "user_id": auth_data["user_id"]
    }

    print("【全局】测试session结束，清理资源（如登出）...")

# 注册命令行参数（供all.py调用）
def pytest_addoption(parser):
    parser.addoption(
        "--env",
        action="store",
        default="staging",
        help="运行环境：staging or production"
    )

@pytest.fixture(scope="session")
def env(request):
    return request.config.getoption("--env")

为什么scope="session"？
- function（默认）：每个测试函数执行前创建，执行后销毁 → 登录100次，浪费时间且可能触发风控。
- class：每个测试类执行前创建 → 如果TestUserAPI和TestOrderAPI在不同类里，仍会登录2次。
- session：整个pytest命令执行期间只创建1次 → test_login.py和interface_testcase/test_user_info.py共享同一个登录态，真实模拟用户行为。

yield的妙用：
- yield之前的代码在测试开始前执行（登录）；
- yield之后的代码在测试全部结束后执行（可用于登出、清理测试数据）；
- yield返回的字典被注入到所有标记了def test_xxx(login_session):的测试函数中。

在test_user_info.py里这样用：

def test_get_user_profile(login_session):
    """使用session级登录态访问用户信息"""
    response = requests.get(
        "https://api.example.com/api/v1/user/me",
        headers=login_session["headers"],
        cookies=login_session["cookies"],
        timeout=10
    )
    assert response.status_code == 200
    assert response.json()["data"]["user_id"] == login_session["user_id"]

注意：login_session fixture返回的是字典，不是requests.Session对象。这样设计是为了解耦HTTP客户端——未来如果换成httpx或aiohttp，只需改aaa_login.py，所有测试用例不变。

3.4 接口测试用例（interface_testcase/test_user_info.py）：如何做健壮的响应断言？

真实接口测试最怕什么？不是500错误，而是字段缺失、类型错乱、空值未处理。test_user_info.py示范了工业级断言：

import pytest
import requests
import json

def test_user_info_response_structure(login_session):
    """验证响应体结构符合OpenAPI规范"""
    response = requests.get(
        "https://api.example.com/api/v1/user/me",
        headers=login_session["headers"],
        cookies=login_session["cookies"],
        timeout=10
    )

    # 1. 状态码断言（必须）
    assert response.status_code == 200, f"Expected 200, got {response.status_code}"

    # 2. 响应体JSON解析（防御性编程）
    try:
        data = response.json()
    except json.JSONDecodeError:
        pytest.fail(f"Response is not valid JSON: {response.text}")

    # 3. 关键字段存在性断言（避免KeyError）
    assert "code" in data, "Missing 'code' field in response"
    assert "message" in data, "Missing 'message' field in response"
    assert "data" in data, "Missing 'data' field in response"

    # 4. data字段结构断言（深度校验）
    data_part = data["data"]
    assert isinstance(data_part, dict), "'data' should be a dict"
    assert "user_id" in data_part, "'user_id' missing in data"
    assert "name" in data_part, "'name' missing in data"
    assert isinstance(data_part["name"], str), "'name' should be string"

    # 5. 业务逻辑断言（非空、长度限制）
    assert data_part["name"].strip(), "User name cannot be empty or whitespace"
    assert len(data_part["name"]) <= 50, "User name exceeds 50 chars"

为什么这样写？
- assert response.status_code == 200, f"Expected 200..."：带上自定义错误消息，失败时直接看到期望值和实际值，不用再翻日志。
- try/except json.JSONDecodeError：有些接口在错误时返回HTML（如Nginx 502页面），直接response.json()会抛JSONDecodeError，用pytest.fail()主动捕获并给出清晰提示。
- assert "field" in dict：比dict["field"]安全，避免KeyError中断整个测试套件。
- isinstance(..., str)：防止前端传回null或数字，导致后续字符串操作崩溃。

实操心得：所有接口测试用例都应遵循“状态码→结构→字段→业务”四层断言。我曾在一个支付接口测试中，只断言了status_code==200，结果上线后发现返回的amount字段是字符串"100.00"而非数字100.00，导致下游财务系统解析失败——从此所有数值字段都加isinstance(..., (int, float))校验。

4. 实操过程：从零运行到生成报告的完整链路

4.1 环境准备：三步完成本地执行

Step 1：创建隔离环境（推荐）
不要用系统Python！用pyvenv.cfg里的配置创建虚拟环境：

# 进入项目根目录
cd /path/to/your/project

# 创建虚拟环境（Python 3.8+）
python -m venv venv

# 激活环境（Mac/Linux）
source venv/bin/activate
# 激活环境（Windows）
venv\Scripts\activate.bat

# 安装依赖（requirements.txt已锁定版本）
pip install -r requirements.txt

requirements.txt内容精简如下：

requests==2.31.0
pytest==7.4.3
pytest-html==4.1.1
pytest-rerunfailures==12.0

为什么版本锁死？
- requests==2.31.0：避免requests>=2.28.0引入的urllib3兼容问题（曾导致HTTPS证书验证失败）。
- pytest==7.4.3：与pytest-html==4.1.1兼容（新版pytest-html要求pytest>=7.4.0）。
- pytest-rerunfailures==12.0：支持--reruns 3 --reruns-delay 2语法（旧版用法不同）。

提示：pyvenv.cfg文件里include-system-site-packages = false确保环境纯净，不会意外调用系统全局包。

Step 2：配置环境变量（可选但推荐）
conftest.py里读取--env参数，你可以在运行时指定：

# 运行staging环境
pytest --env=staging -m smoke

# 运行production环境（谨慎！）
pytest --env=production -m smoke

Step 3：执行测试
- 单点调试：在PyCharm里右键test_login.py → “Run ‘pytest in test_login.py’”，实时看输出。
- 批量运行：终端执行python all.py（它内部调用pytest.main(["-m", "smoke"])）。
- 生成报告：执行后自动在根目录生成report.html，用浏览器打开即可查看。

all.py内容（供参考）：

import pytest
import sys

if __name__ == "__main__":
    # 默认运行smoke标记用例
    args = ["-m", "smoke", "--html=report.html", "--self-contained-html"]

    # 如果传入参数，则覆盖默认
    if len(sys.argv) > 1:
        args = sys.argv[1:]

    pytest.main(args)

4.2 报告解读：report.html里藏着哪些关键信息？

生成的report.html不是简单罗列通过/失败，而是可追溯的交付证据。重点看三个区域：

特别注意：
- 失败用例的“Traceback”区域会显示完整的HTTP请求信息（URL、Headers、Body）和响应信息（Status Code、Headers、Body），无需额外日志。
- “Logs”标签页显示print()语句输出（如conftest.py里的print("【全局】执行一次登录...")），帮助定位fixture执行时机。

实操心得：把report.html发给开发时，附上一句：“请重点看test_user_info.py::test_user_info_response_structure的FAILURE，响应体缺少‘avatar_url’字段，与OpenAPI文档v2.3不符”。——用报告代替口头沟通，减少扯皮。

4.3 失败重试（pytest-rerunfailures）：如何科学地应对偶发失败？

网络抖动、数据库锁表、第三方服务延迟，都会导致偶发失败。pytest-rerunfailures插件帮你自动重试：

在pytest.ini里已启用：

plugins = pytest_rerunfailures

运行时加参数：

# 失败时重试3次，每次间隔2秒
pytest --reruns 3 --reruns-delay 2

# 或在all.py里固定配置
pytest.main(["--reruns", "3", "--reruns-delay", "2"])

它如何工作？
- 第一次执行test_xxx失败 → 记录为RERUN；
- 等待2秒 → 重新执行同一用例；
- 如果3次都失败 → 最终标记为FAILED，并在报告中显示3次失败的详细日志；
- 如果任意一次成功 → 标记为PASSED，不计入失败统计。

注意事项：重试只对非断言失败有效。如果是代码逻辑错误（如NameError），重试100次也是失败。因此，重试应仅用于网络/IO类不稳定场景，不能掩盖真正的bug。

5. 常见问题与排查技巧实录：那些没人告诉你的坑

5.1 问题速查表：高频故障与解决方案

5.2 独家避坑技巧：来自真实战场的经验

技巧1：用--capture=no实时看print输出
默认pytest会捕获print()输出，失败时才显示。调试fixture时，加-s参数：

pytest -s testcase/test_login.py::TestLoginFlow::test_normal_login_success

你会看到conftest.py里print("【全局】执行一次登录...")实时输出，确认fixture是否被调用。

技巧2：临时禁用fixture，隔离问题
当怀疑login_session fixture有问题时，在测试函数上加@pytest.mark.usefixtures("login_session")无效，正确做法是：

def test_debug_without_fixture():
    # 不依赖fixture，手动调用登录
    auth_data = login_as_user("test", "123")
    print("Manual login result:", auth_data)

这样能快速区分是登录逻辑问题，还是fixture作用域问题。

技巧3：--tb=short不够用？切--tb=line看单行摘要
当测试套件很大时，--tb=short仍显冗长。用--tb=line只显示失败行：

pytest --tb=line -m smoke

输出类似：test_user_info.py:42: AssertionError: Expected 200, got 401，一秒定位。

技巧4：.gitignore里必须屏蔽report/和.pytest_cache/
否则report.html会被提交，下次别人拉代码时看到的是你上周的报告；.pytest_cache/包含机器相关路径，提交会导致他人执行失败。检查.gitignore是否包含：

report/
.pytest_cache/
venv/

技巧5：all.py里加环境检测，防误操作
在all.py顶部加：

import os
if os.getenv("ENV") == "production":
    confirm = input("⚠️  即将运行PRODUCTION环境测试！确认继续？(y/N): ")
    if confirm.lower() != "y":
        print("已取消执行")
        exit(0)

避免手抖在生产环境跑测试。

6. 后续扩展建议：这个骨架还能长成什么样？

这个包不是终点，而是起点。根据你团队的实际需求，可以自然延伸：

• 接入CI/CD：把all.py改成ci_run.py，在GitHub Actions里添加步骤：
  ```yaml
• name: Run pytest smoke tests
  run: python ci_run.py –env=staging

• name: Upload HTML report
  uses: actions/upload-artifact@v3
  with:
  name: pytest-report
  path: report.html
  ```

• 增加数据驱动：用pytest.mark.parametrize替换硬编码账号：
  python @pytest.mark.parametrize("username,password,expected_status", [ ("admin", "123", 200), ("guest", "456", 401), ]) def test_login_with_params(username, password, expected_status): # 复用aaa_login.py逻辑

• 集成Allure报告：替换pytest-html为allure-pytest，生成交互式报告，支持步骤截图、附件上传。

• Mock外部依赖：当测试依赖第三方支付接口时，用pytest-mock或responses库拦截HTTP请求，返回预设响应，避免调用真实服务。

最后分享一个小技巧：每次新增一个接口测试用例，先写test_xxx.py文件名，再写README.md里的“新增用例：xxx接口验证”，最后才写代码。这样倒逼自己思考“这个用例要验证什么业务价值”，而不是陷入技术细节。

这个包里的每一行代码，都经历过至少一次线上故障的检验。它不炫技，不堆砌，只解决一件事：让你今天下午三点前，跑通第一个真实的登录+接口测试。剩下的，交给时间和你的迭代。

本文还有配套的精品资源，点击获取

简介：直接导入PyCharm就能跑的pytest测试工程，内置登录流程（用户名密码校验、token获取、会话保持）和典型HTTP接口测试用例，覆盖GET/POST请求、状态码断言、响应字段提取与校验。项目结构清晰，包含独立的testcase目录存放用例脚本，interface_testcase专用于接口层测试，aaa_login.py封装通用登录逻辑供复用；通过main.py单点执行或all.py批量运行，自动生成HTML格式测试报告（report.html），支持失败重试、用例标签分类（如@pytest.mark.smoke）。已配置标准pytest.ini（含默认参数、插件启用、路径映射），集成pytest-html、requests等依赖（见requirements.txt），附带初始化文件（init.py）确保模块识别，.gitignore屏蔽缓存与IDE文件，.pytest_cache目录预置兼容本地执行。两份笔记文件（第一节笔记.py、第二节笔记.py）逐行注释关键步骤，说明fixture使用、conftest.py作用域、session级登录前置等核心实践，README.md提供环境准备与运行指引，适合刚接触接口自动化的新手快速验证真实业务场景。

本文还有配套的精品资源，点击获取