apiautotest

allure_python_commons==2.9.45
click==8.1.7
Faker==21.0.0
jsonpath==0.82.2
loguru==0.7.2
openpyxl==3.1.2
pydantic==2.7.1
PyMySQL==1.1.0
pytest==8.0.2   Pytest 8.2.0 和 8.1.0 的几个版本会破坏 allure 的 listener 导致执行报错，也就是版本不兼容，需把pytest 回退到8.0.2就不报错啦！
PyYAML==6.0.1
PyYAML==6.0.1
Requests==2.31.0
requests_toolbelt==1.0.0
ruamel.base==1.0.0
sshtunnel==0.4.0
xpinyin==0.7.6
yagmail==0.15.293

四、安装教程

通过Git工具clone代码到本地或者直接下载压缩包ZIP

https://gitlink.org.cn/floraachy/apiautotest.git

本地电脑搭建好 python环境，我使用的python版本是3.9。包括allure测试报告所需的java环境（安装jdk）。
安装依赖包方法一：使用pipenv管理依赖包

注意： 如果不熟悉pipenv， 可以跳过该步骤。

安装pipenv

# 建议在项目根目录下执行命令安装
pip install pipenv

使用pipenv管理安装环境依赖包：pipenv install （必须在项目根目录下执行）

   注意：使用pipenv install会自动安装Pipfile里面的依赖包，该依赖包仅安装在虚拟环境里，不安装在测试机。

方法二：直接将依赖包安装在本机

pip install -r requirements.txt

扩展：使用 pipreqs 生成 requirements.txt

# 安装
pip install pipreqs
# 在当前目录生成
pipreqs . --encoding=utf8 --force
注意 --encoding=utf8 为使用utf8编码，不然可能会报UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 406: illegal multibyte sequence 的错误。

--force 强制执行，当 生成目录下的requirements.txt存在时覆盖。

如上环境都已经搭建好了，包括框架依赖包也都安装好了。

注意：

很多同学不太熟悉pipenv，会存在问题：比如我按照上述操作安装了依赖包，怎么运行报错呢？一定要记住，使用pipenv安装依赖包，依赖包只安装在虚拟环境，不安装在你的测试机器。所以你安装完成后，直接运行肯定会报错。我们需要进入我们创建的虚拟环境，再运行测试代码。具体步骤参考：章节"运行自动化测试"。
如果存在Python版本与我的不一致的问题，请移步最后的章节"初始化项目可能遇到的问题"，查找解决办法。
另外，我们如果是使用pycharm直接右键run的情况，我们需要pycharm解释器选择我们创建的虚拟环境，才不会报少包的错误。

五、如何创建用例

1. 修改配置文件 `config.settings.py`

1）确认用例是通过YAML还是Excel编写，由CASE_FILE_TYPE控制 2）确认测试完成后是否发送测试结果，由SEND_RESULT_TYPE控制，并填充对应邮件/钉钉/企业微信配置信息 3）确认测试是否需要进行数据库断言，如有需求，填充数据库配置信息 4）指定日志收集级别，由LOG_LEVEL控制

2. 修改全局变量，增加测试数据 `config.settings.py`

1）确认RunConfig的各项参数，可以调整失败重跑次数rerun，失败重跑间隔时间reruns_delay，当达到最大失败数，停止执行max_fail 2）确认测试完成后是否发送测试结果，由SEND_RESULT_TYPE控制，并填充对应邮件/钉钉/企业微信配置信息 3）指定日志收集级别，由LOG_LEVEL控制 4）配置测试相关数据： ENV_VARS["common"]是一些公共参数，如报告标题，报告名称，测试者，测试部门。后续会显示在测试报告上。如果还有其他，可自行添加 ENV_VARS["test"]是保存test环境的一些测试数据。ENV_VARS["live"]是保存live环境的一些测试数据。如果还有其他环境可以继续增加，例如增加ENV_VARS["dev"] = {"host": "", ......}

3. 删除框架中的示例用例数据

1）删除 interface目录下所有的YAML和EXCEL文件(每一个文件都保存的接口测试用例) 2）删除 test_case/test_manual_case目录下所有手动编写的用例，后续有需要可以在该目录下手动编写用例。

注意：conftest.py文件中非业务相关的代码可以保留。

4. 编写测试用例（两种方式任选其一或者都选）

1）自动生成测试用例 `data` `test_case.test_auto_case`

在目录interface下新建一个YAML/Excel文件。按照如下字段要求进行测试用例数据添加
注意：如果需要自动创建测试用例文件，YAML/Excel文件的文件名需要以"test"开头。

2）手动编写测试用例 `interface` `test_case.test_manual_case`

原则上，如果是手动编写测试用例（python代码），测试用例数据文件不要以"test"开头。如果以“test”开头，可能导致用例运行多次。 1）在目录interface下新建一个YAML/Excel文件，按照要求编写测试用例数据 2）在test_case.test_manual_case下新建一个以"test"开头的测试方法，进行测试用例方法编写。

5. 用例中相关字段的介绍

case_common:  # 公共参数
  allure_epic: 用作于@allure.epic()装饰器中的内容。
  allure_feature: 用作于@allure.feature()装饰器中的内容。
  allure_story: 用作于@allure.story()装饰器中的内容。
  case_markers: 给测试方法添加标记，支持自定义标记，skip, usefixtures。 格式是列表嵌套字符串或者字典。例如： # ['glcc', {'skip': '跳过执行该用例'}]
  
common_dependence: # 放置公共依赖, 作用范围是class
    setup:
        interface:
        database:
        env_vars:
    teardown:
        interface:
        database:
        env_vars:
case_info:  # 具体的用例数据，是以列表的形式进行管理
-
  id: 用例id，注意需要全局唯一，方便后续用于用例接口依赖
  title: 用例标题
  severity: 用例优先级，支持如下几种：NORMAL， BLOCKER，CRITICAL，MINOR，TRIVIAL； 为空和错误都认为是NORMAL
  run: 是否执行用例，为空或者True都会执行，为False则不执行。
  url: 请求路径（可填写全路径 或者 资源路径）。通常我们填写资源路径。在用例执行前，会针对路径进行处理。具体可见case_utils.request_control.py.RequestPreDataHandle.url_handle。注：请求路径=基准路径（host/base_url）+资源路径(url)。
  method: 请求方式，例如：GET, POST, DELETE, PUT, PATCH等
  headers: 请求头，注意如果在headers里面防止cookies，其值类型需要是字符串
  cookies: 请求cookies，格式是：DICT， CookieJar对象
  request_type: 请求数据类型：params, json, file, data
  payload: 请求参数
  files: 需要上传的文件的相对路径，会自动拼接files目录。 os.path.join(files, "这里传递的files参数值")
  wait_seconds: 选填，接口请求后的等待时间，单位是秒。传递错误，会被认为是空
  assert_response: 响应断言
  assert_sql: 数据库断言
  extract: 后置提取参数
  case_dependence: # 用例依赖, 作用范围是function
    setup:
        interface:
        database:
        env_vars:
    teardown:
        interface:
        database:
        env_vars:

6. 参数提取说明

目前支持从响应数据（response）、数据库（database）、用例数据（case）中提取数据。目前支持3种方式的参数提取：type_jsonpath, type_re, type_response

注意：

提取来源关键字：case, response, database必须保持完全一致；
提取方式关键字：type_jsonpath, type_re, type_response必须保持完全一致；

1）从响应数据中提取参数

目前从响应数据中提取参数，支持提取方式：type_jsonpath, type_re, type_response。

参考写法如下：

  extract:
    response:
      type_jsonpath:
        res_j_nickname: $.username
      type_re:
          res_re_nickname: \"username":"(.*?)"
      type_response:
        cookies1: response.cookies

其中res_j_nickname表示提取的变量名，后续会保存在全局变量GLOBAL_VARS中，可以直接在其他接口中使用：${res_j_nickname} 其中$.username表示提取表达式，根据提取方式来写不同的表达式，表达式要写正确，否则提取不到值。注意：

jsonpath提取方式type_jsonpath，如果提取到的值是长度为1的列表，会自动获取第一个元素，其值类型由list变更为str。例如通过name: $.data 提取到的值是：["flora"], 最后name的值会是"flora"。
正则表达式提取方式type_re，如果提取到的值是长度为1的列表，会自动获取第一个元素，其值类型由list变更为str。例如通过name: "username":"(.*?)" 提取到的值是：["flora"], 最后name的值会是"flora"。
响应对应提取方式type_response，则可以获取Reponse对应自带方法的一些值，例如response.status_code， response.cookies, response.text, response.headers, response.is_redirect等。；

注意：之前老版本是没有指定提取来源的，本次更新兼容了老版本的写法：

  extract:
    type_jsonpath:
      res_j_nickname: $.username
    type_re:
        res_re_nickname: \"username":"(.*?)"
    type_response:
      cookies1: response.cookies

2）从用例数据中提取参数

目前从响应数据中提取参数，支持提取方式：type_jsonpath, type_re。

参考写法如下：

    case:
      type_jsonpath:
        case_login: $.payload.login
      type_re:
        case_url_key: "'url': 'https?://[^/]+/api/(.*?)/login.json'"

注意：假如需要提取url中的参数，由于url我们是处理过的。比如用例数据中的url是/api/login.json，但是实际执行过程中的url是带有域名的 https://www.gitlink.org.cn/api/login.json ，因此提取表达式需要将目标值对准是有域名的url。

3）从数据库中提取参数

目前从响应数据中提取参数，支持提取方式：type_jsonpath, type_re。

注意：

查询数据库的方法我用的是查询所有，如果有多条符合条件的数据，则返回所有数据。查询结果是list格式；
如果不需要查询数据库，setting.py中的ENV_VARS中对应环境的db_info字段为空。代码中判断了db_info字段不为空，才进行数据库参数提取。

参考写法如下：

    database:
      # 数据库查询用的是查询所有符合条件的数据，查询结果是一个列表
      sql: select * from users limit 2;
      type_re:
        sql_re_nickname: "'login': '(.*?)'"
      type_jsonpath:
        sql_j_login: $..login

7. 断言方式

以下是支持的几种断言方式：

断言方式	说明
==	相等，判断预期结果是否等于实际结果
lt	小于，判断预期结果是否小于实际结果
le	小于等于，判断预期结果是否小于等于实际结果
gt	大于，判断预期结果是否大于实际结果
ge	大于等于，判断预期结果是否大于等于实际结果
not_eq	不相等，判断预期结果是否不等于实际结果
str_eq	字符串相等，判断预期结果是否等于实际结果
len_eq	长度等于，判断预期结果是否等于实际结果的长度
len_gt	长度大于，判断预期结果是否大于实际结果的长度
len_ge	长度大于等于，判断预期结果是否大于等于实际结果的长度
len_lt	长度小于，判断预期结果是否小于实际结果的长度
len_le	长度小于等于，判断预期结果是否小于等于实际结果的长度
contains	包含，判断预期结果内容被实际结果包含，预期结果 in 实际结果
contained_by	被包含，判断预期结果包含实际结果，实际结果 in 预期结果
startswith	以什么开头，判断实际结果是否是以预期结果开头的
endswith	以什么结尾，判断实际结果是否是以预期结果结尾的

8. 响应断言说明

断言状态码

如果想要断言接口响应码，直接这样写即可：参考示例：

  assert_response:
    status_code: 200

响应数据断言

响应断言的参数说明：

断言标识(自定义，不为空即可，没有实际的意义):
  message: 断言信息，非必填，可为空
  expect_value: 预期结果
  assert_type: 断言类型，支持如下：==,  lt, le, gt, ge, not_eq, str_eq, len_eq, len_gt, len_ge, len_lt, len_le, contains, contained_by, startswith, endswith
  type_jsonpath: 通过jsonpath表达式从response.json()提取实际结果，与type_re任选其一
  type_re: 通过正则表达式从response.text提取实际结果，与type_jsonpath任选其一;如果不填，则默认获取response.text作为实际结果

注意：在进行断言的时候，左侧是预期结果，右侧是实际结果。比如我断言类型是lt，那么就是预期结果<实际结果

参考示例：

  assert_response:
    user_id:
      message: 断言接口返回的user_id
      expect_value: ${user_id}
      assert_type: ==
      type_jsonpath: $.user_id

  assert_response:
    user_id:
      expect_value: ${user_id}
      assert_type: ==
      type_jsonpath: $.user_id

9. 数据库断言说明

数据库断言的参数说明：

断言标识(自定义，不为空即可，没有实际的意义):
  message: 断言信息，非必填，可为空
  sql: 数据库查询语句，必填
  expect_value: 预期结果
  assert_type: 断言类型，支持如下：==,  lt, le, gt, ge, not_eq, str_eq, len_eq, len_gt, len_ge, len_lt, len_le, contains, contained_by, startswith, endswith
  type_jsonpath: 通过jsonpath表达式通从数据库查询结果提取实际结果，与type_re任选其一
  type_re: 通过正则表达式从数据库查询结果提取实际结果，与type_jsonpath任选其一;如果不填，则默认SQL直接查询结果作为实际结果

注意：在进行断言的时候，左侧是预期结果，右侧是实际结果。比如我断言类型是lt，那么就是预期结果<实际结果

参考示例：

    contains_user:
      message: 断言数据库：查询tokens表，表中存在该登录用户记录；预期查询结果的长度为1
      sql: select * from tokens where user_id=${user_id};
      expect_value: 1
      assert_type: len_eq
    contains_user2:
      message: 断言数据库：查询tokens表，表中存在该登录用户记录;预期 ${user_id} in 查询结果（jsonpath式匹配后的结果）
      sql: select * from tokens where user_id=${user_id};
      type_jsonpath: $..user_id
      expect_value: ${user_id}
      assert_type: ==
    contains_user3:
      message: 断言数据库：查询tokens表，表中存在该登录用户记录；预期 ${user_id} in 查询结果（正则表达式匹配后的结果）
      sql: select * from tokens;
      type_re: "'user_id': (.*?),"
      expect_value: ${user_id}
      assert_type: contains

10. 用例依赖说明

目前支持3种依赖方式：环境变量依赖（env_vars），接口依赖（interface），数据库查询依赖（database）。用例依赖分为有2个范围，case_dependence作用于function，common_dependence作用于class。用例依赖分为前置setup和后置依赖teardown。

注意：

依赖关键字：env_vars, interface, database必须保持完全一致；
提取方式关键字：type_jsonpath, type_re必须保持完全一致；
不同依赖方式，不同作用范围，前置和后置可以不同时存在，也可以同时存在；

1）环境变量依赖（env_vars）

环境变量依赖信息，字典格式，key为环境变量名称，value为环境变量值。value可以为常量，也可以为data_handle内支持的方法，也可以是全局变量。为空时表示没有依赖。参考写法如下(单个用例的依赖，作用域是function)：

case_dependence: 
  setup: 
    env_vars:
      pms_project_words: ${generate_words()}
  teardown: 
    env_vars:
       user_login: flora

参考写法如下(用例方法的依赖，作用域是class)：

common_dependence: 
  setup: 
    env_vars:
      pms_project_words: ${generate_words()}
  teardown: 
    env_vars:
       user_login: flora

2）接口依赖（interface）

用例依赖的接口id，支持str和list格式。接口id指的是每一个YAML/EXCEL用例中的ID。参考写法如下(单个用例的依赖，作用域是function)：

case_dependence: 
  setup: 
    interface: pms_get_project_user_list_01
  teardown: 
    interface:
      - pms_get_project_user_list_01
      - pms_get_enterprise_user_list_01

参考写法如下(用例方法的依赖，作用域是class)：

common_dependence: 
  setup: 
    interface: pms_get_project_user_list_01
  teardown: 
    interface:
      - pms_get_project_user_list_01
      - pms_get_enterprise_user_list_01

3）数据库查询依赖（database）

数据库依赖支持dict和list方式。提取方式支持两种：type_jsonpath, type_re。注意：

必须要有sql关键字。并且查询数据库的方法我用的是查询所有，如果有多条符合条件的数据，则返回所有数据。查询结果是list格式；
如果存在数据库依赖，setting.py中的ENV_VARS中对应环境的db_info字段必须不为空，才进行数据库相关操作。

参考写法如下(单个用例的依赖，作用域是function)：

case_dependence: 
    setup:
      database:
      sql: select * from pms_project limit 2;
      type_re:
        sql_re_project_assignee_id: "(?<=project_assignee_id': )[^,]+"
      type_jsonpath:
        sql_j_project_assignee_id: $..project_assignee_id
  teardown: 
    database:
      -
        sql: select * from pms_project limit 2;
        type_re:
          sql_re_project_assignee_id: "(?<=project_assignee_id': )[^,]+"
        type_jsonpath:
          sql_j_project_assignee_id: $..project_assignee_id

参考写法如下(用例方法的依赖，作用域是class)：

common_dependence: 
    setup:
      database:
      sql: select * from pms_project limit 2;
      type_re:
        sql_re_project_assignee_id: "(?<=project_assignee_id': )[^,]+"
      type_jsonpath:
        sql_j_project_assignee_id: $..project_assignee_id
  teardown: 
    database:
      -
        sql: select * from pms_project limit 2;
        type_re:
          sql_re_project_assignee_id: "(?<=project_assignee_id': )[^,]+"
        type_jsonpath:
          sql_j_project_assignee_id: $..project_assignee_id

11. Excel用例单独说明

框架支持excel多表单自动生成测试用例，每一个表单作为一个测试用例模块。例如： excel表格名称是：test_demo.xlsx excel表单1名称是：GitLink-登录模块 excel表单2名称是：示例模块

生成规则：

如果excel表单中存在"-"，我们将取"-"后面的部分的首字母拼接excel文件名称作为测试用例模块/测试用例类/测试用例方法名称
如果excel表单中不存在"-"，我们将直接获取表单名称首字母拼接excel文件名称作为测试用例模块/测试用例类/测试用例方法名称
测试用例模块/测试用例类/测试用例方法名称同时也将遵循python语法规则进行适当调整

基于上述规则：

excel第一个表单生成的测试用例测试用例模块：test_demo_dlmk.py 测试用例类：TestDemoDlmkAuto 测试用例方法：test_demo_dlmk_auto
excel第二个表单生成的测试用例测试用例模块：test_demo_slmk.py 测试用例类：TestDemoSlmkAuto 测试用例方法：test_demo_slmk_auto

六、运行自动化测试

方式一：使用pipenv管理虚拟环境

1. 激活已存在的虚拟环境

（如果不存在会创建一个）：pipenv shell （必须在项目根目录下执行）

2. 运行

在pycharm>terminal或者电脑命令窗口，进入项目根路径，执行如下命令（如果依赖包是安装在虚拟环境中，需要先启动虚拟环境）。
  > python run.py  默认在test环境运行测试用例, 生成allure测试报告
  > python run.py -m demo 在test环境仅运行打了标记demo用例，生成allure测试报告
  > python run.py -env live 在live环境运行测试用例
  > python run.py -env=test 在test环境运行测试用例
  > python run.py -report=no 在test环境下允许测试用例，不生成allure测试报告

或者上述步骤可以合并为：pipenv run python run.py

方式二：依赖包安装在本机

在pycharm>terminal或者电脑命令窗口，进入项目根路径，执行如下命令（如果依赖包是安装在虚拟环境中，需要先启动虚拟环境）。
  > python run.py  默认在test环境运行测试用例, 生成allure测试报告
  > python run.py -m demo 在test环境仅运行打了标记demo用例，生成allure测试报告
  > python run.py -env live 在live环境运行测试用例
  > python run.py -env=test 在test环境运行测试用例
  > python run.py -report=no 在test环境下允许测试用例，不生成allure测试报告

注意：

如果pycharm.interpreter拥有了框架所需的所有依赖包，可以通过pycharm直接在run.py中右键运行

七、查看测试报告

Allure测试报告

Allure生成的测试报告，支持通过pycharm，点击outputs/report/allure_html/index.html，文件右上角选择浏览器打开查看测试报告
如果不通过pycharm打开，直接通过文件夹打开，windows系统环境下，可以点击outputs/report/allure_html/双击打开Allure报告.bat打开查看测试报告

注意：

通过点击outputs/report/allure_html/双击打开Allure报告.bat打开测试报告的方法，暂时不支持mac系统
如果通过点击outputs/report/allure_html/双击打开Allure报告.bat打开测试报告，命令窗口显示乱码，或者打不开，可以把.bat的文件名称修改为英文的名称，里面的所有中文注释全部移除，再次尝试

八、详细功能说明

如何实现动态数据、随机数据的热加载？我们有些特殊的场景，可能会涉及到一些定制化的数据，每次执行数据，需要按照指定规则随机生成，实时加载数据，那么这部分应该如何处理呢？
如何处理同一环境存在多域名的情况？很多公司，通常一套环境是由多个微服务组成。每一个微服务具备不同的域名。那么针对这种同一环境存在多域名的情况，我们应该如何处理呢？
如何处理同一套框架测试多套环境的情况？假如我想要我的自动化代码分别在不同环境执行，如何处理呢？
如何处理用例中需要依赖登录的token/cookies的情况？我们进行测试的时候，很多接口都是需要先登录之后再进行操作。但是我们不可能每测试一次接口，都登录一次吧，这样有点冗余了。那么，针对这种情况如何处理呢？
如何测试上传文件接口？我们通过MultipartEncoder的方式进行文件上传。
如何通过用例数据动态配置pytest.mark 在测试过程中，我们经常需要对测试用例进行分类，运行时仅执行这一类用例。为了实现这一功能，我在测试用例中引入了添加pytest的自定义标记的功能，同时扩展支持了pytest.mark.skip以及pytest,mark.usefixtues。注意：目前这一功能，仅支持通过YAML格式编写用例。EXCEL用例暂时不支持。
如何设置测试用例优先级测试用例会分优先级，我们可以利用allure的特性设置用例优先级，以及运行指定优先级的用例。
如何提取响应数据作为全局变量并使用？在测试过程中，通常下一个接口需要用到上一个接口的响应数据，这个时候就涉及到参数的提取。
如何进行响应数据断言以及数据库断言？目前支持的断言方式：==, lt, le, gt, ge, not_eq, str_eq, len_eq, len_gt, len_ge, len_lt, len_le, contains, contained_by, startswith, endswith
如何配置邮箱通知？我们通过第三方模块yagmail发送邮件。
如何配置钉钉通知？我们通过封装钉钉机器人发送钉钉通知。
如何配置企业微信通知？我们通过封装企业微信机器人发送通知。
python虚拟管理工具--pipenv使用教程在使用Python语言的时候我们使用pip来安装第三方包，但是由于pip的特性，系统中只能安装每个包的一个版本。但是在实际项目开发中，不同项目可能需要第三方包的不同版本，Python的解决方案就是虚拟环境。顾名思义，虚拟环境就是虚拟出来的一个隔离的Python环境，每个项目都可以有自己的虚拟环境，用pip安装各自的第三方包，不同项目之间也不会存在冲突。创建虚拟环境需要一些工具, 我们使用pipenv来创建虚拟环境和管理依赖包。
如何调试单个用例？有些小伙伴在测试的时候，想要单独调试用例，但是不清楚如何调试。本文将详细讲解~
如何重复执行用例？平常在做功能测试的时候，经常会遇到某个模块不稳定，偶然会出现一些bug，对于这种问题我们会针对此用例反复执行多次，最终复现出问题来。自动化运行用例时候，也会出现偶然的bug，可以针对单个用例重复执行多次。

九、初始化项目可能遇到的问题

赞赏

如果这个库有帮助到你并且你很想支持库的后续开发和维护，那么你可以扫描下方二维码随意打赏我，我将不胜感激~

Languages

Python 85%

JavaScript 8.1%

Shell 4.6%

Batchfile 1.8%

CSS 0.5%

README.md Unescape Escape

前言

一、框架介绍

二、实现功能

三、依赖库

四、安装教程

五、如何创建用例

1. 修改配置文件 config.settings.py

2. 修改全局变量，增加测试数据 config.settings.py

3. 删除框架中的示例用例数据

4. 编写测试用例（两种方式任选其一或者都选）

1）自动生成测试用例 data test_case.test_auto_case

2）手动编写测试用例 interface test_case.test_manual_case

5. 用例中相关字段的介绍

6. 参数提取说明

1）从响应数据中提取参数

2）从用例数据中提取参数

3）从数据库中提取参数

7. 断言方式

8. 响应断言说明

断言状态码

响应数据断言

9. 数据库断言说明

10. 用例依赖说明

1）环境变量依赖（env_vars）

2）接口依赖（interface）

3）数据库查询依赖（database）

11. Excel用例单独说明

六、运行自动化测试

方式一：使用pipenv管理虚拟环境

1. 激活已存在的虚拟环境

2. 运行

方式二：依赖包安装在本机

七、查看测试报告

Allure测试报告

八 、详细功能说明

九、初始化项目可能遇到的问题

赞赏

README.md

1. 修改配置文件 `config.settings.py`

2. 修改全局变量，增加测试数据 `config.settings.py`

1）自动生成测试用例 `data` `test_case.test_auto_case`

2）手动编写测试用例 `interface` `test_case.test_manual_case`

八、详细功能说明