Python + Playwright + Pytest 面试题

Python + Playwright + Pytest 面试题

自动化测试技术栈中最核心的三件套,也是面试技术考察的重点。

本文正在根据真实项目经验整理,后续持续补充。

Python + Playwright + Pytest 面试题与结构化回答话术

适用岗位:UI 自动化测试、测试开发、自动化测试工程师
建议回答结构:先说结论 → 说明原理 → 介绍实际做法 → 结合项目举例 → 补充风险和边界


高频等级说明

星级 等级 学习要求
★★★★★ 必问 必须能够熟练、结构化回答,并准备项目案例
★★★★☆ 高频 需要重点掌握,能够结合实际项目回答
★★★☆☆ 常见 理解原理,能够说清核心做法
★★☆☆☆ 进阶 针对中高级岗位进行准备
★☆☆☆☆ 扩展 了解即可,根据岗位方向选择准备

★★★★★ 五星必问题速查

  1. Python 为什么适合自动化测试?
  2. 如何处理 Python 异常?
  3. Python 如何连接数据库并校验数据?
  4. 为什么选择 Playwright,而不是 Selenium?
  5. Playwright 的 Browser、Context 和 Page 是什么?
  6. Playwright 的自动等待机制是什么?
  7. 如何设计稳定的元素定位器?
  8. 如何复用登录状态?
  9. 如何监听接口响应并做断言?
  10. 什么是 fixture?
  11. 如何实现参数化测试?
  12. 如何实现并行执行?
  13. 如何在失败时自动截图并保存 Trace?
  14. 你的 UI 自动化框架是如何设计的?
  15. 如何介绍你做过的 Python + Playwright + Pytest 项目?

面试题总目录

一、Python 自动化基础

  1. Python 为什么适合自动化测试? ★★★★★
  2. 列表、元组、字典和集合有什么区别? ★★★★☆
  3. 深拷贝和浅拷贝有什么区别? ★★★★☆
  4. Python 中 *args 和 **kwargs 有什么作用? ★★★☆☆
  5. 什么是装饰器?自动化测试中如何使用? ★★★★☆
  6. 如何处理 Python 异常? ★★★★★
  7. 什么是生成器? ★★★☆☆
  8. 类方法、静态方法和实例方法有什么区别? ★★★☆☆
  9. 如何读取 YAML、JSON 和 Excel 测试数据? ★★★★☆
  10. Python 如何连接数据库并校验数据? ★★★★★

二、Playwright 核心能力

2.1 为什么选择 Playwright,而不是 Selenium? ★★★★★ 2.2 Playwright 的 Browser、Context 和 Page 是什么? ★★★★★ 2.3 Playwright 的自动等待机制是什么? ★★★★★ 2.4 Playwright 常用定位方式有哪些? ★★★★★ 2.5 如何设计稳定的元素定位器? ★★★★★ 2.6 为什么不建议大量使用 wait_for_timeout? ★★★★★ 2.7 如何处理新窗口和多标签页? ★★★★☆ 2.8 如何处理 iframe? ★★★★☆ 2.9 如何处理弹窗、文件上传和文件下载? ★★★★☆ 2.10 如何复用登录状态? ★★★★★ 2.11 如何拦截和修改网络请求? ★★★★☆ 2.12 如何监听接口响应并做断言? ★★★★★ 2.13 如何处理动态表格和虚拟滚动表格? ★★★★★ 2.14 如何处理遮罩层、动画和偶发点击失败? ★★★★★ 2.15 Playwright 的 Trace 有什么作用? ★★★★★

三、Pytest 核心能力

3.1 Pytest 相比 unittest 有什么优势? ★★★★★ 3.2 什么是 fixture? ★★★★★ 3.3 fixture 有哪些作用域? ★★★★☆ 3.4 yield fixture 有什么作用? ★★★★☆ 3.5 conftest.py 有什么作用? ★★★★★ 3.6 如何实现参数化测试? ★★★★★ 3.7 如何给用例分类并按需执行? ★★★★☆ 3.8 如何控制用例执行顺序? ★★★★☆ 3.9 如何实现失败重跑? ★★★★☆ 3.10 如何实现并行执行? ★★★★★ 3.11 如何跳过用例和设置预期失败? ★★★☆☆ 3.12 Pytest 常用钩子函数有哪些? ★★★★☆ 3.13 如何在失败时自动截图并保存 Trace? ★★★★★ 3.14 如何把 Pytest 与 Allure 结合? ★★★★★ 3.15 如何处理用例之间的数据依赖? ★★★★★

四、框架设计与项目实战

4.1 你的 UI 自动化框架是如何设计的? ★★★★★ 4.2 Page Object 模式是什么? ★★★★★ 4.3 页面对象层和业务流程层如何划分? ★★★★★ 4.4 自动化测试如何实现数据驱动? ★★★★★ 4.5 UI 自动化应该断言什么? ★★★★★ 4.6 页面、接口和数据库结果不一致时如何定位? ★★★★★ 4.7 如何降低 UI 自动化用例的维护成本? ★★★★★ 4.8 自动化用例偶发失败如何治理? ★★★★★ 4.9 如何接入 Jenkins 持续集成? ★★★★★ 4.10 如何介绍你做过的 Python + Playwright + Pytest 项目? ★★★★★


一、Python 自动化基础

1.1 Python 为什么适合自动化测试? ★★★★★ 必问

考察点: 是否理解语言选择与测试工程效率之间的关系。

结构化回答话术:

Python 语法简洁、学习成本较低,并且拥有完善的自动化测试生态,例如 Pytest、Playwright、Requests、Pandas 和数据库驱动。它既可以完成 UI 和接口自动化,也可以处理 Excel、JSON、日志和数据库数据,适合快速搭建测试框架。

在我的项目中,我使用 Python + Playwright 编写 UI 自动化,用 Pytest 管理用例和参数化,再结合 Allure 和 Jenkins 实现定时回归。Python 的价值不只是“代码少”,更重要的是能够把浏览器操作、数据处理、断言和持续集成串成完整流程。

可能追问: Python 的性能不如 Java,会影响自动化测试吗?

追问回答: 大多数 UI 自动化的主要耗时在浏览器、网络和服务端响应,而不是 Python 本身。除非有大量 CPU 密集型计算,否则 Python 的性能通常不会成为 UI 测试瓶颈。


1.2 列表、元组、字典和集合有什么区别? ★★★★☆ 高频

考察点: 是否理解四种核心数据结构的特性与适用场景,能否在测试中正确选择数据类型。

结构化回答话术:

列表有序且可修改,适合保存一组可变化的数据;元组有序但不可修改,适合表示相对固定的数据;字典使用键值对存储,适合保存测试用例参数和接口响应;集合中的元素唯一,适合去重和集合比较。

例如,我会使用字典保存一条测试数据,使用列表保存多条场景,使用集合比较页面和数据库返回的业务主键是否一致。


1.3 深拷贝和浅拷贝有什么区别? ★★★★☆ 高频

考察点: 是否理解对象复制时的引用共享问题,能否避免测试数据被意外修改。

结构化回答话术:

浅拷贝只复制最外层对象,嵌套的可变对象仍然共享引用;深拷贝会递归复制所有层级。测试数据中如果存在嵌套字典或列表,使用浅拷贝后修改子对象,可能污染原始数据并影响其他用例。

在参数化场景中,如果我要基于公共模板生成多组互不影响的请求数据,会使用 copy.deepcopy(),避免用例之间相互修改数据。


1.4 Python 中 *args 和 **kwargs 有什么作用? ★★★☆☆ 常见

考察点: 是否理解不定参数的使用场景,能否在封装通用方法时正确使用。

结构化回答话术:

*args 用于接收不定数量的位置参数,函数内部得到一个元组;**kwargs 用于接收不定数量的关键字参数,函数内部得到一个字典。它们常用于封装通用方法和装饰器。

例如,封装日志装饰器时,不同页面方法的参数数量并不一致,就可以通过 *args 和 **kwargs 统一接收并透传参数。


1.5 什么是装饰器?自动化测试中如何使用? ★★★★☆ 高频

考察点: 是否理解装饰器的原理,能够在日志、重试和计时等场景合理使用。

结构化回答话术:

装饰器是在不修改原函数主体的情况下扩展函数行为的机制。自动化测试中可以用于日志记录、执行耗时统计、截图、权限校验和有限重试。

我会谨慎使用重试装饰器。只有明确属于网络波动或环境抖动的操作才允许有限重试,并且每次失败都要保留日志;不能用重试掩盖真实缺陷或不稳定定位器。


1.6 如何处理 Python 异常? ★★★★★ 必问

考察点: 是否掌握异常处理的最佳实践,能否在自动化中正确处理失败并保留证据。

结构化回答话术:

Python 通过 try、except、else、finally 处理异常。我的原则是只捕获能够明确处理的异常,不使用空的 except 把所有错误吞掉;发生异常时记录页面、参数、堆栈和关键日志,资源清理放在 finally 或 fixture 的清理阶段。

例如,页面点击失败时,我不会简单返回 False,而是保留截图和 Trace,再抛出带业务上下文的异常,让 Pytest 正确标记用例失败。


1.7 什么是生成器? ★★★☆☆ 常见

考察点: 是否理解生成器按需生成数据的特点及其在测试中的适用场景。

结构化回答话术:

生成器通过 yield 按需产生数据,不会一次性把全部数据加载到内存中,适合处理大量数据或流式结果。它保留上一次执行状态,下次迭代时继续执行。

在测试中,如果数据库查询或文件中有大量记录,可以使用生成器逐条处理,降低内存占用。不过普通的小规模参数化数据直接使用列表会更清晰。


1.8 类方法、静态方法和实例方法有什么区别? ★★★☆☆ 常见

考察点: 是否理解三种方法的区别及在 Page Object 设计中的合理使用。

结构化回答话术:

实例方法的第一个参数是 self,可以访问实例属性;类方法使用 @classmethod,第一个参数是 cls,适合创建不同配置的对象;静态方法使用 @staticmethod,不依赖实例或类状态,适合放置与该类相关的纯工具逻辑。

Page Object 中页面操作通常使用实例方法,因为它需要访问当前 Page;格式转换等无状态方法可以设计为静态方法。


1.9 如何读取 YAML、JSON 和 Excel 测试数据? ★★★★☆ 高频

考察点: 是否掌握多种数据格式的读取方式,以及读取后的校验和转换。

结构化回答话术:

JSON 适合结构明确的数据交换和基准文件;YAML 可读性好,适合配置环境、页面和任务;Excel 适合业务人员维护表格型场景。读取后需要进行字段校验、类型转换、必填检查和默认值处理,不能直接把外部数据传给测试逻辑。

我的项目中使用 Excel 维护场景类型、配对 ID 和指令序号,再转换成统一的数据对象供 Pytest 参数化使用;对于金额和日期还会在读取阶段做标准化。


1.10 Python 如何连接数据库并校验数据? ★★★★★ 必问

考察点: 是否掌握数据库连接、查询和数据校验的基本方法,理解安全与数据一致性要求。

结构化回答话术:

根据数据库类型选择驱动,建立连接后使用参数化 SQL 查询,获取结果并转换为统一结构,再与页面或接口数据比较。查询完成后要关闭游标和连接,账号密码通过环境变量或密钥管理注入。

数据库断言不能只判断“查到了数据”,还要根据业务主键验证状态、金额、时间和关联关系。对于最终一致性场景,可以在明确超时时间内轮询,但要保留每次查询结果,不能无限等待。


二、Playwright 核心能力

2.1 为什么选择 Playwright,而不是 Selenium? ★★★★★ 必问

考察点: 是否理解两款工具的核心差异,能够根据项目特点做出合理选型。

结构化回答话术:

Playwright 对现代 Web 应用支持较好,内置自动等待、浏览器上下文、网络拦截、Trace、视频和多标签页能力,并且同时支持 Chromium、Firefox 和 WebKit。它减少了大量显式等待和浏览器驱动管理代码。

不过我不会简单说 Playwright 一定比 Selenium 好。已有成熟 Selenium 体系的项目不一定需要迁移;新项目如果前端交互复杂、需要网络监听和并发隔离,Playwright 通常更合适。


2.2 Playwright 的 Browser、Context 和 Page 是什么? ★★★★★ 必问

考察点: 是否理解三层模型的设计思想,能否在框架中合理利用 Context 实现会话隔离。

结构化回答话术:

Browser 表示浏览器进程;BrowserContext 是相互隔离的浏览器会话,拥有独立的 Cookie、Local Storage 和权限;Page 表示一个页面或标签页。

实际框架中通常不需要每条用例都启动一个浏览器进程,而是在同一个 Browser 下创建不同 Context,实现较低成本的会话隔离。不同账号或并行用例使用独立 Context,可以避免登录状态和测试数据互相污染。


2.3 Playwright 的自动等待机制是什么? ★★★★★ 必问

考察点: 是否理解自动等待的原理,能否区分自动等待与业务状态等待的不同用途。

结构化回答话术:

Playwright 在执行点击、输入等操作前,会自动检查元素是否存在、可见、稳定、可接收事件以及是否启用;断言也会在超时时间内自动重试,直到满足条件或超时。

自动等待能减少固定休眠,但不能代替业务状态等待。例如提交交易后需要等待后端处理完成,我会等待明确的接口响应、状态文本或数据库状态,而不是认为元素能点击就表示业务已完成。


2.4 Playwright 常用定位方式有哪些? ★★★★★ 必问

考察点: 是否掌握 Playwright 定位器的优先级和选择策略。

结构化回答话术:

优先使用面向用户和可访问性的定位方式,如 get_by_role、get_by_label、get_by_placeholder 和 get_by_text;测试系统如果提供稳定的 data-testid,也可以使用 get_by_test_id。CSS 和 XPath 作为补充。

定位器应该体现元素的业务语义,避免依赖容易变化的层级、序号和动态 class。定位后还要保证唯一性,不能因为当前页面碰巧只有一个元素就忽略歧义。


2.5 如何设计稳定的元素定位器? ★★★★★ 必问

考察点: 是否具备定位器稳定性设计的实战经验和维护策略。

结构化回答话术:

我会按照稳定性排序选择定位器:稳定测试属性、角色与名称、表单标签、稳定文本、稳定 CSS,最后才是 XPath。对于表格行,会先通过业务主键定位目标行,再在行内定位按钮,而不是使用固定的第几行。

如果定位器经常变化,我会推动开发增加 data-testid,并把定位器集中在 Page Object 中维护,避免散落在测试用例里。


2.6 为什么不建议大量使用 wait_for_timeout? ★★★★★ 必问

考察点: 是否理解固定等待与条件等待的本质区别,能否写出稳定的等待逻辑。

结构化回答话术:

固定等待无法判断页面何时真正完成,等待过短会偶发失败,等待过长会降低执行效率。更合理的方式是等待明确条件,例如元素可见、接口响应完成、按钮可用或业务状态变化。

固定等待只适合临时调试,或者系统确实没有任何可观察状态的极少数场景;进入正式框架前应尽量替换为条件等待。


2.7 如何处理新窗口和多标签页? ★★★★☆ 高频

考察点: 是否掌握 Playwright 多页面管理机制,能否正确处理页面切换。

结构化回答话术:

点击前先注册新页面事件等待,再执行触发操作并获取新 Page,之后等待页面达到可操作状态。不能先点击再监听,否则可能错过事件。

处理完成后要根据业务决定关闭新页还是切回原页,并避免使用页面数组的固定序号,因为并发或系统弹窗可能改变顺序。


2.8 如何处理 iframe? ★★★★☆ 高频

考察点: 是否掌握 iframe 内元素的定位方法和跨域场景的处理策略。

结构化回答话术:

使用 frame_locator() 定位 iframe,再在对应 FrameLocator 内查找元素。首先要确认元素确实位于 iframe 中,并使用 iframe 的稳定属性定位。

如果 iframe 跨域,Playwright 仍可以通过 frame API 操作页面内容,但系统的权限、加载失败和第三方服务稳定性仍要单独考虑。


2.9 如何处理弹窗、文件上传和文件下载? ★★★★☆ 高频

考察点: 是否掌握常见的特殊交互处理方式,能够验证操作结果。

结构化回答话术:

浏览器原生对话框通过 dialog 事件处理;文件上传优先对文件输入框使用 set_input_files;下载需要先等待 download 事件,再执行触发下载的操作,最后保存文件并校验文件名、大小和内容。

如果导出的是 Excel 或 CSV,我不会只判断下载成功,还会读取文件并验证关键字段、行数和金额汇总。


2.10 如何复用登录状态? ★★★★★ 必问

考察点: 是否掌握 storage_state 的使用方式和安全注意事项。

结构化回答话术:

登录成功后可以通过 storage_state 保存 Cookie 和 Local Storage,新建 Context 时加载该状态,减少重复登录。状态文件不能提交真实账号信息,并且需要考虑过期、环境隔离和账号权限差异。

在框架中我会先验证复用后的会话是否有效,失效时重新登录并更新状态,而不是所有失败都默认归因于页面元素。


2.11 如何拦截和修改网络请求? ★★★★☆ 高频

考察点: 是否掌握 route 拦截的使用场景和 Mock 策略。

结构化回答话术:

可以通过 page.route() 拦截请求,选择继续、终止、修改请求或返回 Mock 响应。常用于隔离不稳定的第三方服务、构造异常响应和验证前端容错。

Mock 不能替代真实接口联调。我的做法是让 Mock 测试验证前端分支和异常处理,再保留真实环境端到端用例验证完整链路。


2.12 如何监听接口响应并做断言? ★★★★★ 必问

考察点: 是否掌握 expect_response 的使用方式,能够在 UI 操作中同步验证接口。

结构化回答话术:

在触发页面操作前使用 expect_response 等待目标接口,触发操作后获取响应,再校验状态码、业务码和关键字段。接口识别不能只匹配模糊 URL,最好同时结合请求方法、路径和必要参数。

这样可以把“按钮点了以后页面没变化”进一步定位为前端未发请求、接口失败、返回数据错误或页面渲染错误。


2.13 如何处理动态表格和虚拟滚动表格? ★★★★★ 必问

考察点: 是否具备复杂表格场景的数据采集和校验能力。

结构化回答话术:

动态表格要通过业务主键定位行,并处理分页、排序和异步加载。虚拟滚动表格只渲染可视区域,不能直接认为 DOM 中的行就是全部数据,需要循环滚动、采集当前可见行并按主键去重。

我在交易台账的 ag-grid 场景中处理过横向滚动:先读取固定列和业务主键,再横向滚动采集其他列,最终按主键合并并与预期数据比较。


2.14 如何处理遮罩层、动画和偶发点击失败? ★★★★★ 必问

考察点: 是否具备处理页面动态干扰因素的能力,能否合理使用兜底策略。

结构化回答话术:

先通过截图、Trace 和 DOM 状态确认是遮罩、动画、元素未稳定、重复元素还是业务状态未完成。然后等待遮罩消失或目标元素可操作,必要时修改定位范围。

我不会一开始就使用强制点击,因为它可能绕过真实的页面交互问题。只有确认遮挡属于无业务意义的框架缺陷,并保留证据后,才考虑有限兜底。


2.15 Playwright 的 Trace 有什么作用? ★★★★★ 必问

考察点: 是否理解 Trace 的组成以及在失败定位中的价值。

结构化回答话术:

Trace 可以记录测试过程中的页面快照、操作、网络请求、控制台信息和时间线。它比单张失败截图更适合分析“失败前发生了什么”。

我会在 CI 中按失败保留 Trace,同时保存截图、日志和必要的视频。这样可以区分页面定位问题、接口异常、环境波动和脚本逻辑问题,减少远程环境中无法复现的情况。


三、Pytest 核心能力

3.1 Pytest 相比 unittest 有什么优势? ★★★★★ 必问

考察点: 是否理解 Pytest 的核心优势,能够说清选型原因。

结构化回答话术:

Pytest 语法更简洁,支持普通 assert、fixture、参数化、marker、插件和钩子机制,适合搭建可扩展的自动化框架。它也可以兼容部分 unittest 用例。

我选择 Pytest 主要不是因为写法短,而是 fixture 能清晰管理浏览器、账号、数据和清理逻辑,插件生态还能支持并发、重跑和 Allure 报告。


3.2 什么是 fixture? ★★★★★ 必问

考察点: 是否理解 fixture 的依赖注入机制和在自动化中的核心作用。

结构化回答话术:

fixture 是 Pytest 提供的测试依赖和资源管理机制,可以完成前置准备、依赖注入和后置清理。用例只需要声明参数名,Pytest 会自动找到并执行对应 fixture。

在 UI 自动化中,我会用 fixture 管理 Browser、Context、Page、登录账号、测试数据和失败产物,避免在每条用例中重复编写初始化代码。


3.3 fixture 有哪些作用域? ★★★★☆ 高频

考察点: 是否理解不同作用域的性能和隔离权衡。

结构化回答话术:

常见作用域包括 function、class、module、package 和 session。function 每条用例执行一次,隔离性最好;session 整个测试会话执行一次,适合浏览器进程或全局配置。

作用域不能一味设大来追求速度。页面状态和测试数据如果需要隔离,应使用 function 级 Context;Browser 可以使用 session 级,以兼顾性能和隔离。


3.4 yield fixture 有什么作用? ★★★★☆ 高频

考察点: 是否理解 yield 的前后置分离机制和清理可靠性。

结构化回答话术:

yield 之前执行初始化并把资源提供给用例,yield 之后执行清理。即使用例失败,清理逻辑通常仍会执行。

例如创建测试数据后 yield 给用例使用,测试结束后删除数据;创建 Context 后交给用例,结束后关闭 Context。清理失败也要记录,但不能覆盖原始用例失败。


3.5 conftest.py 有什么作用? ★★★★★ 必问

考察点: 是否理解 conftest 的作用域和职责划分。

结构化回答话术:

conftest.py 用于存放目录范围内共享的 fixture 和钩子,不需要显式导入,Pytest 会自动发现。它适合管理浏览器、环境配置、账号和公共测试资源。

但不能把所有业务逻辑都堆在 conftest.py 中。通用资源放 fixture,页面操作放 Page Object,业务流程放 service 或 workflow,断言放独立验证层,职责要清晰。


3.6 如何实现参数化测试? ★★★★★ 必问

考察点: 是否掌握多种参数化方式,能够为不同场景选择合适的实现。

结构化回答话术:

常用方式是 @pytest.mark.parametrize,也可以通过 fixture 参数、pytest_generate_tests 或外部数据文件动态生成。参数化数据应包含清晰的 id,这样报告能直接看出失败的是哪个场景。

在金融交易项目中,我使用 Excel 管理业务类型、场景类型、配对 ID 和指令序号,读取后转换成统一数据结构,再传给 Pytest 执行相同流程下的不同业务组合。


3.7 如何给用例分类并按需执行? ★★★★☆ 高频

考察点: 是否理解 marker 的使用和命令行筛选机制。

结构化回答话术:

使用 marker 给用例标记 smoke、regression、module、province 等分类,并在配置中注册,执行时通过 -m 选择。也可以结合命令行参数按环境、模块、账号或场景筛选。

我会让 Jenkins 将这些参数暴露为构建参数,实现冒烟、全量回归和指定业务模块按需执行。


3.8 如何控制用例执行顺序? ★★★★☆ 高频

考察点: 是否理解用例独立性原则,以及在必须串联时的正确做法。

结构化回答话术:

优先让用例彼此独立,而不是依赖固定执行顺序。如果业务确实是申请、审批、查询的连续流程,我会把它设计成一条完整业务用例,或者通过 fixture 显式传递业务数据。

依赖插件强制排序只能解决表面问题,容易导致单独运行失败和并行执行困难,因此不应成为默认方案。


3.9 如何实现失败重跑? ★★★★☆ 高频

考察点: 是否理解重跑的正确使用方式和适用边界。

结构化回答话术:

可以使用 pytest-rerunfailures 对失败用例设置有限次数重跑,也可以只对明确的异常类型或标记用例重跑。报告中必须保留首次失败及重跑信息。

重跑是处理环境瞬时波动的兜底,不是解决脚本不稳定的方法。如果同一用例经常靠重跑通过,应统计失败原因并治理定位器、等待条件、数据和环境。


3.10 如何实现并行执行? ★★★★★ 必问

考察点: 是否掌握 pytest-xdist 的使用及并行执行的数据隔离。

结构化回答话术:

可以使用 pytest-xdist 通过多个 worker 并行执行。并行前必须保证账号、Context、测试数据、下载目录、日志和报告文件相互隔离。

并行不是简单加 -n auto。如果多个用例操作同一笔业务数据或共享账号状态,容易互相影响。我会先识别共享资源,按 worker 分配账号和数据,再逐步提高并发度。


3.11 如何跳过用例和设置预期失败? ★★★☆☆ 常见

考察点: 是否理解 skip 和 xfail 的使用场景及管理规范。

结构化回答话术:

使用 skip 或 skipif 跳过暂时不适用的场景,使用 xfail 标记已知缺陷或暂未实现功能。所有跳过和预期失败都要有明确原因、关联问题和清理计划。

不能长期用 skip 隐藏失败,也不能把真实回归缺陷直接改成 xfail 来让流水线变绿。


3.12 Pytest 常用钩子函数有哪些? ★★★★☆ 高频

考察点: 是否理解钩子机制并在实际项目中使用过。

结构化回答话术:

常用钩子包括 pytest_addoption 增加命令行参数、pytest_configure 完成初始化配置、pytest_collection_modifyitems 修改收集结果、pytest_runtest_makereport 获取各阶段执行结果。

我通常通过 pytest_runtest_makereport 判断用例是否在执行阶段失败,然后触发截图、Trace 和日志保存。


3.13 如何在失败时自动截图并保存 Trace? ★★★★★ 必问

考察点: 是否掌握失败证据自动采集的完整实现方案。

结构化回答话术:

通过 fixture 管理 Page 和 Trace,在钩子中获取用例执行结果。发生失败时,以用例名称、时间和 worker 标识生成唯一目录,保存页面截图、HTML、控制台信息和 Trace;测试结束后关闭资源。

失败产物应关联到 Allure 或 CI 构建中,并注意敏感数据脱敏。截图成功不能影响原始异常,保存产物失败时也要记录独立日志。


3.14 如何把 Pytest 与 Allure 结合? ★★★★★ 必问

考察点: 是否能够使用 Allure 组织报告结构并关联失败证据。

结构化回答话术:

使用 Allure Pytest 插件生成结果文件,再由 Allure 命令生成报告。可以通过 feature、story、title、severity 和 step 组织用例,并把截图、Trace、请求响应和日志作为附件。

我不会为了让报告好看而在每行代码上加 step,而是围绕业务动作组织,例如“创建交易申请”“审批交易”“校验风控结果”,这样失败时更容易看出业务阶段。


3.15 如何处理用例之间的数据依赖? ★★★★★ 必问

考察点: 是否理解数据隔离的重要性及实现方式。

结构化回答话术:

优先通过 API、数据库或 fixture 为每条用例独立创建前置数据,并在结束后清理。必须传递的数据通过 fixture 返回值或明确的业务流程对象传递,不依赖全局变量和上一条用例执行结果。

如果一个场景天然包含多个连续步骤,应作为一条端到端业务用例;如果步骤需要分别验证,就提供可重复创建的前置状态,让每条用例也能独立运行。


四、框架设计与项目实战

4.1 你的 UI 自动化框架是如何设计的? ★★★★★ 必问

考察点: 是否真正做过框架,而不只是编写页面脚本。

结构化回答话术:

我的框架主要分为配置层、页面对象层、业务流程层、测试用例层、测试数据层、断言层和公共能力层。Playwright 负责浏览器操作,Pytest 负责 fixture、参数化和执行管理,Allure 展示报告,Jenkins 负责定时和按参数执行。

页面层只封装元素和单页面操作;业务层组合申请、审批、查询等流程;用例层描述测试场景和断言。环境地址、账号和超时放在配置中,账号密码通过环境变量注入。失败时自动保留截图、日志和 Trace。

在金融交易系统中,我把登录、交易申请、审批、风控校验和台账查询封装为公共能力,再通过 Excel 数据驱动覆盖现券、回购、基金和借贷等业务场景。


4.2 Page Object 模式是什么? ★★★★★ 必问

考察点: 是否理解 Page Object 的设计目标和维护价值。

结构化回答话术:

Page Object 是把页面元素定位和页面操作封装成对象,让测试用例通过业务含义调用页面能力,而不是直接操作定位器。这样页面变化时主要修改对应页面类,降低用例维护成本。

但 Page Object 不应该变成一个几千行的大类。我会按页面或稳定组件拆分,并把跨页面流程放到业务流程层,避免页面类同时承担数据、断言和流程控制。


4.3 页面对象层和业务流程层如何划分? ★★★★★ 必问

考察点: 是否具备合理的分层设计思维,避免页面类职责过重。

结构化回答话术:

页面对象层回答“这个页面如何操作”,例如填写表单、点击提交和读取状态;业务流程层回答“一个业务如何完成”,例如创建交易、完成审批和加入台账。

这样同一个页面方法可以被多个业务流程复用,流程变化时也不需要把复杂逻辑复制到每条测试用例中。断言仍然由用例层或独立验证层控制,避免页面方法内部偷偷决定测试通过。


4.4 自动化测试如何实现数据驱动? ★★★★★ 必问

考察点: 是否理解数据与逻辑分离的设计,能够处理数据校验和转换。

结构化回答话术:

数据驱动是把测试逻辑与场景数据分离,同一套流程通过不同输入、预期和配置覆盖多种业务。数据可以来自 YAML、JSON、Excel 或数据库,但进入用例前要转换成统一对象并校验 Schema。

我的项目中使用 Excel 维护场景类型、业务参数、配对 ID、指令索引和阶段预期值。框架读取后生成 Pytest 参数,金额比较采用明确的绝对和相对容差,日期、空值和枚举先标准化再断言。


4.5 UI 自动化应该断言什么? ★★★★★ 必问

考察点: 是否具备分层断言思维,能够平衡覆盖率与用例稳定性。

结构化回答话术:

断言应围绕业务结果,而不是只判断页面是否打开或按钮是否可见。通常包括页面提示、关键字段、业务状态、接口响应和数据库结果。不同层次的证据相互补充。

例如提交交易后,我不仅断言“提交成功”的提示,还会查询交易列表和数据库状态,验证金额、方向、产品、审批状态等关键字段。断言过少容易漏报,断言过多且与业务无关又会造成脆弱用例。


4.6 页面、接口和数据库结果不一致时如何定位? ★★★★★ 必问

考察点: 是否具备分层定位思路,能够沿数据链路逐层缩小问题范围。

结构化回答话术:

我会先固定测试数据和时间范围,确认三方比较的是同一业务主键;然后查看页面展示值、接口原始响应和数据库原始记录,排除格式、精度、枚举和时区差异。

如果数据库正确、接口错误,重点检查服务端查询、转换和缓存;接口正确、页面错误,重点检查前端字段映射、格式化和状态管理;数据库尚未更新,则检查异步任务、消息消费和事务。最终提供请求响应、SQL、截图和时间点作为证据,推动责任方修复并完成关联回归。


4.7 如何降低 UI 自动化用例的维护成本? ★★★★★ 必问

考察点: 是否具备从架构层面系统化降低维护成本的能力。

结构化回答话术:

核心措施包括稳定定位器、Page Object 分层、公共业务流程封装、统一等待、数据与代码分离、环境配置集中管理,以及失败证据自动收集。还要控制自动化范围,优先覆盖稳定、核心和高频回归场景。

我会定期统计失败原因,把产品缺陷、环境问题、测试数据问题和脚本问题分类。高频变化但低风险的页面不盲目追求 UI 全覆盖,可以下沉到接口层验证。


4.8 自动化用例偶发失败如何治理? ★★★★★ 必问

考察点: 是否具备系统化的稳定性治理方法论。

结构化回答话术:

先通过多次运行和失败产物确认规律,再按定位器、等待条件、测试数据、账号冲突、环境波动、接口性能和脚本逻辑分类。每类问题采用对应措施,而不是统一增加等待和重跑。

我会统计用例稳定率和失败原因,对不稳定用例设置治理期限。只有瞬时网络问题允许有限重试;定位器和业务等待问题必须从代码上修复。治理目标是让失败结果可信,而不只是让流水线变绿。


4.9 如何接入 Jenkins 持续集成? ★★★★★ 必问

考察点: 是否掌握 CI 集成的完整流程和环境管理。

结构化回答话术:

Jenkins 流程通常包括拉取代码、创建环境、安装依赖、注入环境和账号参数、执行 Pytest、收集 Allure 结果及归档截图和 Trace。可以支持手动触发、定时回归、按模块执行和不同环境参数化。

我的 Jenkins 主控运行在 Linux,UI 自动化根据浏览器和业务系统条件调度到 Windows 执行节点。构建失败后先判断代码拉取、依赖、环境连接、测试执行还是报告阶段失败,再通知相关人员,避免把所有流水线失败都当成产品缺陷。


4.10 如何介绍你做过的 Python + Playwright + Pytest 项目? ★★★★★ 必问

考察点: 是否有真实项目经验,能否结构化说明业务背景、技术方案、难点和个人贡献。

结构化回答话术:

我最近几年主要负责金融交易和风控系统的 UI 自动化工程化建设。项目覆盖交易申请、审批、风控校验和交易台账等核心流程,我从零搭建了 Python + Playwright + Pytest 自动化框架。

框架采用 Page Object 和业务流程分层,使用 fixture 管理浏览器、登录状态和测试数据,通过 Excel 参数化覆盖现券、回购、基金、债券借贷等不同业务场景。断言不仅验证页面结果,还会结合接口和数据库校验关键状态与金额。

我将项目接入 Jenkins,支持定时回归、模块化执行和环境参数化,并通过 Allure 展示执行结果。失败时自动保留截图、日志和 Trace,便于区分产品缺陷、环境问题和脚本问题。

项目中比较难的部分是复杂表格数据采集、异步业务状态等待以及脚本稳定性治理。例如交易台账使用 ag-grid 和横向虚拟滚动,我通过业务主键分段采集并合并数据,再与预期结果比较。整个项目的重点不是简单模拟点击,而是把核心业务回归做成可维护、可追踪的自动化体系。

可能追问:

  1. 这个框架中你亲自负责了哪些部分?
  2. 最难定位的一次失败是什么?
  3. 自动化覆盖率和稳定率如何统计?
  4. 为什么某些场景使用 UI,而不是接口自动化?
  5. 如果重新设计一次,你会优先优化什么?

高频代码题

1. Pytest 参数化示例

import pytest


@pytest.mark.parametrize(
    "username,password,expected",
    [
        pytest.param("valid_user", "valid_password", "首页", id="登录成功"),
        pytest.param("valid_user", "wrong_password", "用户名或密码错误", id="密码错误"),
    ],
)
def test_login(login_page, username, password, expected):
    login_page.login(username, password)
    assert login_page.get_result_text() == expected

2. Playwright 页面对象示例

from playwright.sync_api import Page, expect


class LoginPage:
    def __init__(self, page: Page):
        self.page = page
        self.username = page.get_by_label("用户名")
        self.password = page.get_by_label("密码")
        self.login_button = page.get_by_role("button", name="登录")

    def open(self):
        self.page.goto("/login")

    def login(self, username: str, password: str):
        self.username.fill(username)
        self.password.fill(password)
        self.login_button.click()

    def assert_login_success(self):
        expect(self.page.get_by_role("heading", name="首页")).to_be_visible()

3. fixture 管理 Context 和 Page

import pytest


@pytest.fixture
def context(browser):
    context = browser.new_context()
    yield context
    context.close()


@pytest.fixture
def page(context):
    page = context.new_page()
    yield page

4. 等待接口响应

with page.expect_response(
    lambda response: "/api/trade/submit" in response.url
    and response.request.method == "POST"
) as response_info:
    page.get_by_role("button", name="提交").click()

response = response_info.value
assert response.status == 200
body = response.json()
assert body["code"] == 0

快速背诵模板

1. 回答技术题

我先说结论:……
实际测试时,我主要从 A、B、C 三个方面处理:……
例如在我的某项目中:……
最后我还会通过……形成闭环。

2. 回答项目题

项目背景是什么 → 我负责什么 → 使用什么方案 → 遇到什么难点 → 如何解决 → 取得什么效果。

3. 回答故障定位题

先稳定复现 → 排除环境、数据和脚本问题 → 按链路分层定位 → 提供日志与证据 → 推动修复 → 原场景复测并做关联回归。

4. 回答“如何保证”类问题

先明确标准和风险 → 制定测试策略 → 分层验证 → 保留日志和数据证据 → 通过持续回归保证长期有效。


面试前重点背诵清单

如果时间有限,优先掌握以下 15 题:

  1. 1.1 Python 为什么适合自动化测试?
  2. 1.10 Python 如何连接数据库并校验数据?
  3. 2.1 为什么选择 Playwright?
  4. 2.2 Browser、Context、Page 的关系。
  5. 2.3 自动等待机制。
  6. 2.5 稳定定位器设计。
  7. 2.10 登录状态复用。
  8. 2.12 接口响应监听。
  9. 2.13 动态表格和虚拟滚动。
  10. 3.2 fixture。
  11. 3.6 参数化。
  12. 3.10 并行执行。
  13. 3.13 失败截图和 Trace。
  14. 4.1 框架设计。
  15. 4.10 完整项目介绍。

回答时容易踩的坑

  • 不要只背 API 名称,要说明在什么场景下使用以及为什么选择它。
  • 不要把工具操作当成测试能力,重点要讲业务分层、用例设计和失败定位。
  • 不要把所有问题都归给开发,先说明如何排除环境、数据和脚本问题。
  • 不要夸大自动化覆盖率和收益,使用能够解释和追问的真实内容。
  • 不要背成零散关键词,要用完整句子表达。
  • 项目例子尽量包含具体对象,例如交易编号、债券代码、交易方向、台账查询。
  • 回答框架设计时,要说清楚各层职责和为什么这么分,而不是简单列出目录名。
  • 回答 Playwright 问题时必须提到自动等待、网络拦截和 Trace,这是它区别于 Selenium 的核心能力。

面试复习建议

第一轮:优先掌握五星题

要求能够脱离文档完整回答,并结合至少一个真实项目案例。

第二轮:掌握四星题

重点补充 Playwright 特殊交互处理、fixture 作用域、Pytest 钩子、重跑机制和数据驱动。

第三轮:理解三星题

确保追问时能够说清核心原理和基本做法,如 *args/**kwargs、生成器、类方法区别、skip/xfail 等。

第四轮:选学扩展题

根据目标岗位(UI 自动化 / 测试开发 / 自动化测试工程师)选择对应方向的深入题目进行准备。


本文正在根据真实项目经验整理,后续持续补充。