4. 接口自动化测试框架选型与设计

医疗系统接口自动化测试的框架选型，不能只看工具是否流行，而要看它能否适配医疗业务的真实约束：接口协议多样（HTTP/HL7/FHIR/WebService）、数据敏感、环境隔离严格、回归频率高、审计要求强。Pytest + Requests + Allure + Jenkins 这一组合之所以在医疗项目中常见，是因为它分别覆盖了“用例组织与执行、协议请求与断言、结果可视化与追溯、持续集成与定时回归”四个关键能力，并且都能通过插件或配置与医疗场景对接。

四个组件在医疗项目中的职责边界

Requests 负责最底层的 HTTP 交互，适合封装统一的会话、超时、重试、证书校验和日志脱敏。医疗接口常涉及患者标识、就诊号、检验结果等敏感字段，因此请求层必须内置脱敏与审计日志，而不是把日志直接打印到控制台。Pytest 负责用例发现、参数化、夹具（fixture）和标记（marker），它把“一个接口用例”组织成可复用、可分组、可并行执行的测试单元。Allure 负责把执行结果转成可读报告，附加请求响应、步骤、附件和环境信息，便于测试、开发和业务方共同定位问题。Jenkins 负责触发、调度、环境参数注入和结果归档，把自动化从“本地能跑”推进到“每天定时跑、每次提交跑”。

需要强调的是，这四者不是简单叠加，而是分层协作。Requests 是执行层，Pytest 是调度与断言层，Allure 是观测层，Jenkins 是触发与治理层。分层清晰后，医疗项目中最常见的“环境切换混乱、用例互相污染、报告无法追溯”三类问题才有解。

医疗项目适配的关键设计点

第一，环境隔离。医疗系统通常有开发、测试、预生产、生产四套环境，接口地址、数据库、鉴权方式都不同。推荐用 Pytest 的 fixture 结合环境变量读取配置，例如通过 --env=uat 参数选择 config/uat.yaml，而不是在代码里硬编码 URL。第二，数据脱敏。Requests 的日志钩子应在写入前对 patientId、idCard、phone 等字段做掩码，Allure 附件同样要过滤，避免报告泄露真实患者信息。第三，鉴权与令牌。医疗接口常用 OAuth2 或院内统一认证，建议在 session 级 fixture 中获取 token 并自动刷新，避免每个用例重复登录。第四，协议适配。对于 HL7 v2 或 FHIR 接口，可在 Requests 之上再封装一层消息构造与解析，把 MLLP 或 JSON 的差异收敛到适配器里。

分层架构的落地方式

建议把项目目录划分为五层：config/ 放环境配置，core/ 放请求封装、断言工具、脱敏与日志，api/ 放各业务模块的接口定义，testcases/ 放 Pytest 用例，reports/ 放 Allure 结果。用例只调用 api/ 层的方法，不直接写 URL 和请求体；api/ 层只调用 core/ 层的请求方法，不关心断言；断言放在用例层，便于按业务场景组合。这样当接口地址或鉴权方式变化时，只需改 core/ 或 config/，用例基本不动。

下面给出一个可参考的请求封装示例，体现超时、重试与脱敏三个医疗项目必备能力：

import requests, time, logging
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

SENSITIVE = ["patientId", "idCard", "phone", "name"]

def mask(data):
    if isinstance(data, dict):
        return {k: ("***" if k in SENSITIVE else mask(v)) for k, v in data.items()}
    if isinstance(data, list):
        return [mask(i) for i in data]
    return data

class ApiClient:
    def __init__(self, base_url, token=None, timeout=10):
        self.base_url = base_url.rstrip("/")
        self.timeout = timeout
        self.session = requests.Session()
        retry = Retry(total=2, backoff_factor=0.5,
                      status_forcelist=[500, 502, 503, 504])
        self.session.mount("https://", HTTPAdapter(max_retries=retry))
        if token:
            self.session.headers["Authorization"] = f"Bearer {token}"

    def request(self, method, path, **kwargs):
        url = f"{self.base_url}{path}"
        kwargs.setdefault("timeout", self.timeout)
        logging.info("REQ %s %s %s", method, url, mask(kwargs.get("json")))
        resp = self.session.request(method, url, **kwargs)
        logging.info("RESP %s %s", resp.status_code, mask(resp.text[:500]))
        return resp

在 Pytest 中，可以用 fixture 把 ApiClient 注入到用例，并通过 marker 区分冒烟、回归、专项：

import pytest
from core.client import ApiClient

@pytest.fixture(scope="session")
def client(env_config):
    return ApiClient(env_config["base_url"], token=env_config["token"])

@pytest.mark.smoke
def test_query_patient(client):
    resp = client.request("GET", "/api/patient/1001")
    assert resp.status_code == 200
    assert resp.json()["code"] == "0"

执行时通过 pytest -m smoke --alluredir=reports/allure-results 生成结果，再由 allure generate 转成 HTML 报告。Jenkins 中配置参数化构建，把 ENV 作为环境变量传入，构建后归档 reports/ 并发布 Allure 报告。这样一条从代码提交到报告可追溯的链路就完整了。

选型对比与判断依据

如果团队已有 Python 能力、接口协议复杂、审计要求高，优先选择 Pytest 组合；如果测试人员以业务为主、代码能力弱，可考虑 Robot Framework；Postman/Newman 更适合接口调试和少量冒烟，不适合作为医疗核心回归框架。选型没有绝对优劣，关键是让框架能力与项目约束匹配。