requests 负责稳定发请求，统一管理 base_url、headers，复用 session，及时校验 status_code 和响应类型；pytest 通过 parametrize、fixture 和原生 assert 实现高效用例组织与清晰断言；数据与代码分离，配置、数据、逻辑分层管理。
用 requests 发请求、用 pytest 管理用例和断言，是 Python 接口自动化最轻量也最常用的组合。核心不在于工具多炫，而在于结构清晰、数据可维护、结果可读。
requests 负责“把请求发出去”
requests 是 HTTP 客户端库，专注封装网络交互细节。它不处理测试逻辑，但必须用得稳、用得巧：
- 统一管理 base_url 和 headers（比如鉴权 token），避免每个请求都重复写
- 用 session 复用连接，提升并发下稳定性；登录态也能自动携带
- 响应返回后立刻检查 status_code，失败时主动 raise 异常，不让错误静默穿透到断言层
- 对 JSON 响应，用
r.json()提取数据；非 JSON 类型（如图片、文件流）需单独判断 content-type 再处理
pytest 负责“把用例跑清楚”
pytest 不是单纯执行器，而是测试组织中枢。合理使用它的机制，能让接口测试更高效：
SEO Keyword Density
下载
SEO关键词密度优化与页面审计技能。使用场景：①提供页面路径与关键词进行SEO优化；②提升页面关键词密度；③提升搜索引擎排名；④进行SEO审计（meta标签、OG、hreflang等）。触发词：关键词密度、SEO优化、关键词优化等。
- 用
@pytest.mark.parametrize驱动多组参数（如不同手机号、密码组合），一份代码覆盖多种输入 - 用 fixture 封装前置动作（如获取 token、清理测试数据），避免重复代码，且支持作用域控制（session/function/module）
- 断言直接用 Python 原生
assert，配合 pytest 的详细报错信息，能快速定位字段名错、类型不符、值偏差等问题 - 用
pytest -v --tb=short运行，输出简洁可读；加--html=report.html（需 pytest-html 插件）生成带通过率的网页报告
数据与用例分离，别把 URL 和参数写死在代码里
硬编码让测试难以维护。推荐分层管理：
立即学习“Python免费学习笔记（深入）”；
- 配置文件（如
config.py）存环境地址、超时时间、全局 headers - 数据文件（如
test_data/login.yaml）存请求体、期望状态码、关键响应字段断言路径 - 测试函数只负责“调用封装好的请求方法 + 断言提取出的数据”，逻辑干净，改数据不碰代码
一个最小可运行示例
假设测试登录接口 POST /api/v1/login：
# conftest.py
import pytest
import requests
<p>@pytest.fixture(scope="session")
def base_url():
return "<a href="https://www.php.cn/link/54eee489199af89e199cb5cc4d203e04">https://www.php.cn/link/54eee489199af89e199cb5cc4d203e04</a>"</p><p>@pytest.fixture
def session(base_url):
s = requests.Session()
s.headers.update({"Content-Type": "application/json"})
return s</p><h1>test_login.py</h1><p>def test_user_login(session, base_url):
payload = {"username": "test", "password": "123456"}
r = session.post(f"{base_url}/api/v1/login", json=payload)
assert r.status_code == 200
data = r.json()
assert data["code"] == 0
assert "token" in data["data"]</p> 
