Mitmproxy 在 UI 自动化测试中的应用：QA 的流量管理

将 mitmproxy 集成到 UI 自动化测试：QA 流量控制指南

代理网络流量能极大提升 UI 自动化测试效率。与使用 Charles Proxy 或 Fiddler 等工具的手动测试不同，自动化测试需要可编程的解决方案。mitmproxy 凭借其 Python API 和无头模式，能将可控网络层直接嵌入测试基础设施。

为什么代理在自动化测试中至关重要

UI 自动化测试常存在“网络盲区”——无法发现 API、WebSocket 或后端服务问题。这会导致测试不稳定、假失败和调试困难。引入代理能让测试获得完整网络可见性。主要应用场景：

• 拦截并分析 HTTP 请求/响应，验证应用行为。
• 修改状态码（如 200 → 404），测试客户端错误处理。
• 替换 JSON/XML 响应数据，模拟测试场景而无需开发环境。
• 记录流量并追踪请求序列。
• 处理 WebSocket 消息，包括实时注入和修改。

为什么选择 mitmproxy

Charles、Proxyman 和 Fiddler 等工具因缺乏外部控制 API，不适合自动化。开源 mitmproxy 脱颖而出：

• Python API，用于脚本化拦截和修改流量。
• 无头模式，适用于无 GUI 的 CI/CD 流水线。
• WebSocket 支持，现代 Web 和移动应用必备。
• 跨平台（Windows、Linux、macOS）。

mitmproxy 有三种运行模式：mitmproxy（交互式 CLI）、mitmweb（Web UI）和 mitmdump（非交互式转储）。自动化测试推荐使用 mitmdump 或 mitmweb 结合自定义脚本。

与测试框架的集成架构

将 mitmproxy 作为独立进程运行，与测试框架分离。两者通过配置文件（如 config.json）和 Python 模块（proxy_handler.py）通信。基本流程：

• 安装 mitmproxy（例如 brew install mitmproxy）。
• 在测试设备上配置证书以拦截 HTTPS。
• 使用 mitmweb -s proxy_handler.py 启动。
• 测试中动态更新 config.json 控制代理行为。

状态码模拟：实战示例

模拟特定 API 的 HTTP 状态码。在 config.json 中定义：

{
    "status": {"api/v1/user": 404, "api/v2/settings": 500}
}

单次模拟用数字，持续模拟用列表（如 [404]）。proxy_handler.py 模块处理：

import re
import mitmproxy.ctx as ctx
from mitmproxy import http
from file_worker import FileWorker

file_worker = FileWorker()

def response(flow: http.HTTPFlow) -> None:
    url = flow.request.url
    if not flow.response.content:
        return
    cfg = file_worker.get_proxy_params()
    cfg_status = cfg.get("status")
    for api, sc in list(cfg_status.items()):
        if bool(re.compile(api).search(url)):
            flow.response.status_code = int(sc[0] if isinstance(sc, list) else sc)
            ctx.log.info(f"Status code was mocked '{api}' -> {sc}")
            if not isinstance(sc, list):
                del cfg_status[api]
                file_worker.set_proxy_param("status", cfg_status)
                cfg["status"] = cfg_status
            break

关键实现要点：

• 使用正则表达式（re 模块）灵活匹配 URI。
• 支持单次和持久模拟。
• 日志记录便于调试。
• 文件操作封装在 FileWorker 类中，代码整洁。

扩展功能：数据模拟与日志记录

类似地，模拟响应体。在 config.json 添加 "mock" 部分：

{
    "mock": {"api/v1/data": {"field": "new_value"}}
}

在 proxy_handler.py 中：

cfg_mock: dict = cfg.get("mock")
if cfg_mock:
    for mock_api, params in list(cfg_mock.items()):
        if bool(re.compile(mock_api).search(url)):
            data = flow.response.content.decode()
            modified = file_worker.mock(params[0] if isinstance(params, list) else params, data)
            if modified:
                flow.response.content = modified.encode()
                ctx.log.info(f"Param {params} were mocked for '{mock_api}'")
            if not isinstance(params, list):
                del cfg_mock[mock_api]
                file_worker.set_proxy_param("mock", cfg_mock)
                cfg["mock"] = cfg_mock
            break

保存服务器响应到文件（便于分析），在 config.json 使用 "get_response" 部分。适用于：

• 自动化校验数据结构。
• 构建回归测试的金标准响应。
• 调试复杂后端交互。

核心要点

• 网络可见性：代理解决自动化测试的网络盲区，提升诊断和可靠性。
• mitmproxy 灵活性：Python API 和 WebSocket 支持，实现复杂流量场景，无需 GUI。
• 配置驱动控制：JSON 配置让测试框架无缝动态调整代理。
• 性能优化：优化处理程序，避免拖慢代理或测试。
• 可扩展性：模块化设计（proxy_handler.py、FileWorker）轻松添加限流或 WebSocket 分析等功能。

结语

将 mitmproxy 集成到 UI 自动化测试，能将代理从手动工具转变为自动化利器。它极大增强客户端测试，尤其在后端模拟和深度网络监控方面。平衡配置灵活性与处理程序性能，方能成功。

— Editorial Team