Python深拷貝在接口自動化里的用法
作者：華安9527
深拷貝（deep copy）常用于復制請求參數、配置對象或其他復雜數據結構，以確保每次發送請求時使用的是獨立的數據副本，避免不同請求之間的數據互相影響。
深拷貝（deep copy）常用于復制請求參數、配置對象或其他復雜數據結構，以確保每次發送請求時使用的是獨立的數據副本，避免不同請求之間的數據互相影響。例如，當你需要多次調用同一個接口，但每次調用的參數略有不同的時候，深拷貝可以幫助你創建參數對象的新實例。
基礎示例
import requests
import copy
# 假設有一個包含接口請求參數的字典
base_params = {
'user_id': 123,
'data': {
'name': 'Alice',
'address': {
'street': '123 Main St'
}
}
}
# 在接口自動化測試中，我們可能需要對某些參數進行修改后發起請求
def send_request(modified_params):
# 使用深拷貝來創建原始參數的一個完整副本
params = copy.deepcopy(base_params)
# 現在可以安全地修改副本而不影響原始參數
params['user_id'] = modified_params['user_id']
params['data']['name'] = modified_params.get('new_name', params['data']['name'])
# 發送HTTP請求
response = requests.post('http://api.example.com/endpoint', jsnotallow=params)
# 處理響應并驗證結果...
# 調用函數，傳入要修改的參數
test_case_1_params = {'user_id': 456, 'new_name': 'Bob'}
send_request(test_case_1_params)
# 下一個測試案例，使用不同的參數
test_case_2_params = {'user_id': 789, 'new_name': 'Charlie'}
send_request(test_case_2_params)在這個例子中，copy.deepcopy() 方法被用來創建 base_params 的深拷貝，這樣每個測試用例都可以根據需要獨立修改參數，并且不會干擾其他測試用例或后續的請求。這對于維護數據一致性以及避免由于數據共享導致的問題非常有用。
深拷貝處理列表、字典嵌套的數據結構
包含多個請求參數集合的列表，每個集合代表一次獨立的接口調用：
import copy
import requests
# 假設我們有一系列需要以不同參數發送的請求
base_requests = [
{
'method': 'POST',
'url': 'http://api.example.com/user',
'data': {
'user_id': 1,
'name': 'Alice'
}
},
{
'method': 'POST',
'url': 'http://api.example.com/user',
'data': {
'user_id': 2,
'name': 'Bob'
}
}
]
def send_requests(modified_requests):
# 對原始請求列表進行深拷貝
requests_to_send = copy.deepcopy(base_requests)
for request in requests_to_send:
# 根據測試需求修改每個請求的參數
request['data']['name'] = modified_requests[request['data']['user_id']]['new_name']
# 發送HTTP請求
response = requests.request(request['method'], request['url'], jsnotallow=request['data'])
# 處理響應并驗證結果...
# 定義要修改的用戶名稱
modified_user_names = {
1: 'Charlie',
2: 'Dave'
}
# 調用函數，傳入要修改的參數
send_requests(modified_user_names)在這個例子中，通過深拷貝base_requests列表，我們可以對每個請求中的數據進行獨立修改，而不會影響到其他請求或后續的測試。這樣就能確保在并發或批量執行接口測試時，每次請求使用的都是獨立的數據副本。
深拷貝管理復雜的會話狀態或全局配置
全局配置對象，包含了所有請求的通用頭信息或其他默認設置：
import requests
import copy
# 全局配置對象
global_config = {
'headers': {
'Content-Type': 'application/json',
'Authorization': 'Bearer some_token'
},
'timeout': 30,
'proxies': {...}
}
# 定義一個發送請求的函數，利用深拷貝來創建全局配置的副本
def send_request(url, data, custom_cnotallow={}):
# 創建全局配置的深拷貝
config = copy.deepcopy(global_config)
# 更新或添加自定義配置
config.update(custom_config)
# 發送HTTP請求
response = requests.post(url, jsnotallow=data, **config)
# 處理響應并驗證結果...
# 使用默認配置發送請求
send_request('http://api.example.com/user', {'user_id': 1})
# 發送具有部分自定義配置的請求（如：更新令牌）
custom_config = {'headers': {'Authorization': 'Bearer new_token'}}
send_request('http://api.example.com/user', {'user_id': 2}, custom_config)在這個例子中，通過深拷貝 global_config，我們可以在不改變原始全局配置的前提下，為每個單獨的請求定制不同的配置項。這樣在處理多用戶、多環境或者需要臨時修改某些配置參數的情況時，可以確保每次請求都基于獨立且完整的配置對象，從而避免數據污染和錯誤發生。
深拷貝在持續集成（CI）或持續部署（CD）的場景使用
在并行執行多個接口測試用例時，每個測試任務可能會加載一套共享的基礎數據，但需要獨立操作這些數據以模擬不同的業務場景：
import threading
import copy
import requests
# 基礎數據集
base_data = {
'users': [
{'id': 1, 'name': 'Alice'},
{'id': 2, 'name': 'Bob'}
],
'products': [...]
}
def run_test_case(test_case, copied_data):
# 在線程內部對復制的數據進行修改和使用
for user in copied_data['users']:
if user['id'] == test_case['user_id']:
user['name'] = test_case.get('new_name', user['name'])
# 根據測試用例發送請求
response = requests.put(f'http://api.example.com/user/{test_case["user_id"]}', jsnotallow=user)
# 處理響應并驗證結果...
# 定義測試用例列表
test_cases = [
{'user_id': 1, 'new_name': 'Charlie'},
{'user_id': 2, 'new_name': 'Dave'}
]
# 使用多線程并發執行測試用例，并為每個線程提供基礎數據的深拷貝
threads = []
for case in test_cases:
copied_data = copy.deepcopy(base_data)
thread = threading.Thread(target=run_test_case, args=(case, copied_data))
threads.append(thread)
thread.start()
# 等待所有線程完成
for thread in threads:
thread.join()在這個例子中，通過在每個線程內部創建 base_data 的深拷貝，我們可以確保即使在并發環境下，不同測試用例之間也能安全地獨立操作數據，避免了競態條件和其他同步問題的發生。
深拷貝處理數據庫或緩存中的數據
在執行測試用例前，你可能需要從數據庫加載一些初始數據，然后基于這些數據進行修改和操作：
import copy
import db_connection # 假設這是一個連接到數據庫的模塊
# 從數據庫獲取基礎數據
base_data = db_connection.fetch_test_data()
def run_test_case(test_case, copied_data):
# 在測試用例內部對復制的數據進行修改
for record in copied_data['records']:
if record['id'] == test_case['record_id']:
record['status'] = test_case['new_status']
# 執行更新數據庫的操作（這里僅為示例，實際應使用db_connection模塊）
updated_data = update_database(copied_data)
# 根據新狀態發送請求并驗證響應結果
response = requests.get(f'http://api.example.com/record/{test_case["record_id"]}')
assert response.json()['status'] == test_case['new_status']
# 定義測試用例列表
test_cases = [
{'record_id': 1, 'new_status': 'active'},
{'record_id': 2, 'new_status': 'inactive'}
]
# 對每個測試用例運行，并提供數據庫數據的深拷貝
for case in test_cases:
copied_data = copy.deepcopy(base_data)
run_test_case(case, copied_data)
# 清理資源，如重置數據庫狀態至原始值
db_connection.reset_to_original_data(base_data)在這個例子中，通過深拷貝從數據庫獲取的基礎數據，我們可以安全地模擬各種業務場景下的數據更新操作，同時保證不會影響到其他測試用例或后續的數據恢復過程。在測試結束后，可以將數據庫狀態重置為初始狀態，以確保測試環境的一致性。
責任編輯：華軒
來源：
測試開發學習交流
