深拷贝（deep copy）常用于复制请求参数、配置对象或其他复杂数据结构，以确保每次发送请求时使用的是独立的数据副本，避免不同请求之间的数据互相影响。例如，当你需要多次调用同一个接口，但每次调用的参数略有不同的时候，深拷贝可以帮助你创建参数对象的新实例

基础示例

import requestsimport copy# 假设有一个包含接口请求参数的字典base_params = {    'user_id': 123,    'data': {        'name': 'Alice',        'address': {            'street': '123 Main St'        }    }}# 在接口自动化测试中，我们可能需要对某些参数进行修改后发起请求def send_request(modified_params):    # 使用深拷贝来创建原始参数的一个完整副本    params = copy.deepcopy(base_params)    # 现在可以安全地修改副本而不影响原始参数    params['user_id'] = modified_params['user_id']    params['data']['name'] = modified_params.get('new_name', params['data']['name'])    # 发送HTTP请求    response = requests.post('http://api.example.com/endpoint', json=params)    # 处理响应并验证结果...# 调用函数，传入要修改的参数test_case_1_params = {'user_id': 456, 'new_name': 'Bob'}send_request(test_case_1_params)# 下一个测试案例，使用不同的参数test_case_2_params = {'user_id': 789, 'new_name': 'Charlie'}send_request(test_case_2_params)

在这个例子中，copy.deepcopy() 方法被用来创建 base_params 的深拷贝，这样每个测试用例都可以根据需要独立修改参数，并且不会干扰其他测试用例或后续的请求。这对于维护数据一致性以及避免由于数据共享导致的问题非常有用。

深拷贝处理列表、字典嵌套的数据结构

包含多个请求参数集合的列表，每个集合代表一次独立的接口调用：​​​​​​​

import copyimport requests# 假设我们有一系列需要以不同参数发送的请求base_requests = [    {        'method': 'POST',        'url': 'http://api.example.com/user',        'data': {            'user_id': 1,            'name': 'Alice'        }    },    {        'method': 'POST',        'url': 'http://api.example.com/user',        'data': {            'user_id': 2,            'name': 'Bob'        }    }]def send_requests(modified_requests):    # 对原始请求列表进行深拷贝    requests_to_send = copy.deepcopy(base_requests)    for request in requests_to_send:        # 根据测试需求修改每个请求的参数        request['data']['name'] = modified_requests[request['data']['user_id']]['new_name']        # 发送HTTP请求        response = requests.request(request['method'], request['url'], json=request['data'])        # 处理响应并验证结果...# 定义要修改的用户名称modified_user_names = {    1: 'Charlie',    2: 'Dave'}# 调用函数，传入要修改的参数send_requests(modified_user_names)

在这个例子中，通过深拷贝base_requests列表，我们可以对每个请求中的数据进行独立修改，而不会影响到其他请求或后续的测试。这样就能确保在并发或批量执行接口测试时，每次请求使用的都是独立的数据副本。

现在我也找了很多测试的朋友，做了一个分享技术的交流群，共享了很多我们收集的技术文档和视频教程。
如果你不想再体验自学时找不到资源，没人解答问题，坚持几天便放弃的感受
可以加入我们一起交流。而且还有很多在自动化，性能，安全，测试开发等等方面有一定建树的技术大牛
分享他们的经验，还会分享很多直播讲座和技术沙龙
可以免费学习！划重点！开源的！！！
qq群号：691998057【暗号：csdn999】

深拷贝管理复杂的会话状态或全局配置

全局配置对象，包含了所有请求的通用头信息或其他默认设置：​​​​​​​

import requestsimport copy# 全局配置对象global_config = {    'headers': {        'Content-Type': 'application/json',        'Authorization': 'Bearer some_token'    },    'timeout': 30,    'proxies': {...}}# 定义一个发送请求的函数，利用深拷贝来创建全局配置的副本def send_request(url, data, custom_config={}):    # 创建全局配置的深拷贝    config = copy.deepcopy(global_config)    # 更新或添加自定义配置    config.update(custom_config)    # 发送HTTP请求    response = requests.post(url, json=data, **config)    # 处理响应并验证结果...# 使用默认配置发送请求send_request('http://api.example.com/user', {'user_id': 1})# 发送具有部分自定义配置的请求（如：更新令牌）custom_config = {'headers': {'Authorization': 'Bearer new_token'}}send_request('http://api.example.com/user', {'user_id': 2}, custom_config)

在这个例子中，通过深拷贝 global_config，我们可以在不改变原始全局配置的前提下，为每个单独的请求定制不同的配置项。这样在处理多用户、多环境或者需要临时修改某些配置参数的情况时，可以确保每次请求都基于独立且完整的配置对象，从而避免数据污染和错误发生。

深拷贝在持续集成（CI）或持续部署（CD）的场景使用

在并行执行多个接口测试用例时，每个测试任务可能会加载一套共享的基础数据，但需要独立操作这些数据以模拟不同的业务场景：​​​​​​​

import threadingimport copyimport requests# 基础数据集base_data = {    'users': [        {'id': 1, 'name': 'Alice'},        {'id': 2, 'name': 'Bob'}    ],    'products': [...]}def run_test_case(test_case, copied_data):    # 在线程内部对复制的数据进行修改和使用    for user in copied_data['users']:        if user['id'] == test_case['user_id']:            user['name'] = test_case.get('new_name', user['name'])    # 根据测试用例发送请求    response = requests.put(f'http://api.example.com/user/{test_case["user_id"]}', json=user)    # 处理响应并验证结果...# 定义测试用例列表test_cases = [    {'user_id': 1, 'new_name': 'Charlie'},    {'user_id': 2, 'new_name': 'Dave'}]# 使用多线程并发执行测试用例，并为每个线程提供基础数据的深拷贝threads = []for case in test_cases:    copied_data = copy.deepcopy(base_data)    thread = threading.Thread(target=run_test_case, args=(case, copied_data))    threads.append(thread)    thread.start()# 等待所有线程完成for thread in threads:    thread.join()

在这个例子中，通过在每个线程内部创建 base_data 的深拷贝，我们可以确保即使在并发环境下，不同测试用例之间也能安全地独立操作数据，避免了竞态条件和其他同步问题的发生。

深拷贝处理数据库或缓存中的数据

在执行测试用例前，你可能需要从数据库加载一些初始数据，然后基于这些数据进行修改和操作：​​​​​​​

import copyimport db_connection  # 假设这是一个连接到数据库的模块# 从数据库获取基础数据base_data = db_connection.fetch_test_data()def run_test_case(test_case, copied_data):    # 在测试用例内部对复制的数据进行修改    for record in copied_data['records']:        if record['id'] == test_case['record_id']:            record['status'] = test_case['new_status']    # 执行更新数据库的操作（这里仅为示例，实际应使用db_connection模块）    updated_data = update_database(copied_data)    # 根据新状态发送请求并验证响应结果    response = requests.get(f'http://api.example.com/record/{test_case["record_id"]}')    assert response.json()['status'] == test_case['new_status']# 定义测试用例列表test_cases = [    {'record_id': 1, 'new_status': 'active'},    {'record_id': 2, 'new_status': 'inactive'}]# 对每个测试用例运行，并提供数据库数据的深拷贝for case in test_cases:    copied_data = copy.deepcopy(base_data)    run_test_case(case, copied_data)# 清理资源，如重置数据库状态至原始值db_connection.reset_to_original_data(base_data)

在这个例子中，通过深拷贝从数据库获取的基础数据，我们可以安全地模拟各种业务场景下的数据更新操作，同时保证不会影响到其他测试用例或后续的数据恢复过程。在测试结束后，可以将数据库状态重置为初始状态，以确保测试环境的一致性。

下面是配套资料，对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！

最后： 可以在公众号：程序员小濠 ！ 免费领取一份216页软件测试工程师面试宝典文档资料。以及相对应的视频学习教程免费分享！，其中包括了有基础知识、Linux必备、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试、安全测试等。

如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！