headers=he,data=data) print(r.text) 19 《51 测试天地》七十四 www.51testing.com 通过运行程序，我们可以很清楚的看到，两条数据同一个接口，均请求成功。 总结 小编通过两个简单的案例，进行介绍了Yaml在我们自动化测试过程中如何存储数据， 通过 Python 进行读取 Yaml 文件数据，以及在自动化测试过程中参数化的数据如何在 Yaml get('https://www.anjing.com/api') 上述代码中，小编先导入了请求错误的内容，然后进行通过 requests-mock 来模拟这 两个请求，最后通过 requests 进行发送请求并通过 pytest.raises 进行判断是否存在异常操 作，如果存在操作，则说明我们代码没有问题。 总结 小编通过简单的两个案例列举了 requests-mock 的简单用法，并且简单介绍了 requests-mock 一环节的输出。 一般来讲，测试数据准备有“造”数和“找”数两种方式。“造”数主要是通过某种 方式模拟实际业务的运行逻辑生成测试数据，一种方法是通过 GUI 构造测试数据，这是 最常见、最可靠的方式，直接通过客户端或界面完成数据构造，缺点是成本高、效率低； 另一种方法是通过数据库构造数据，缺点是直接修改数据库容易产生脏数据，全量导入 数据有评估和操作成本。“找”数是通过某种方式去查找已经存在的测试数据，一种方法

也提供了其他更丰富的控制方式。 接下来，你就可以使用一套便捷而丰富的 Python API 用于访问你的数据。这些 API 是自动即时 创建的，你不用编写其他任何代码。 1. # 从我们的 news 应用里导入模型（译注：记者和文章模型）。 2. >>> from news.models import Reporter, Article 3. 4. # 现在系统中还没有记者。 5. >>> Reporter URL 成功匹配。（如果全部模式都无法匹配，Django 会返回一个404视图。）这个过程会在瞬间完成， 因为这些正则表达式在启动时就被编译了。 一旦其中一个正则表达式匹配成功，Django 就会导入并调用指定的视图——那是一个简单的 Python 函数。视图会被传进一个请求（requeset）对象——其中包含了请求元数据——和正则表达式匹配到的 那些参数值。 比如，如果用户请求了“/ar 这样的 URL，Django 就会这样调用函 数：news.views.article_detail(request, ‘2005’, ‘05’, ‘39323’)。 视图函数的执行结果只可能有两种：返回一个包含请求页面内容的 HttpResponse 对象；或者是抛 出 Http404 这类异常。至于视图接下来还要做什么则由你决定。 通常来说，一个视图的工作就是：从参数获取数据，加载模板，然后模板进行带数据的渲染。下面是