自動化測試腳本開發中，總是會遇到各種數據處理，例如MOCK、URL處理、JSON數據處理、結果斷言等，也會遇到所採用的測試框架不能滿足當前需求，這些問題都需要我們自己動手解決。在強大的IT世界，我們遇到的百分之九十八問題，前輩們都遇到過並且給出瞭解決方案，有的無私前輩將其整理並開源，這些開源項目非常方便地輔助我們的自動化測試項目更好地進行，非常值得敬佩。下面介紹一些自動化測試項目中經常會使用到且非常友好的Python第三方庫。
mock
mock是Python中一個用於支持單元測試的庫，它允許用戶使用mock對象替代被測系統的部分，以達到模擬對象的行爲。Python3.3版本以後mock被合併進Unittest模塊中，我們可以直接導入使用。Mock對象是mock模塊中的一個類實例，可以在測試腳本中模擬出大量的方法，返回指定值並設置所需的屬性，還可以斷言調用了哪些方法/屬性及其參數。
例如接口測試中，當上一個接口沒有開發好，但下一個接口已經完成並可以測試時就可以使用Mock模擬上一個接口，儘早地完成測試腳本的開發。
furl
furl是一個小衆的用於解析和操作URL的Python庫，雖然Python提供了urllib和urlparse模塊可以處理URL相關的操作，但沒有furl簡易。例如furl('http://www.tynam.com/?a=1&b=2').args便可以獲得參數{'a':1,'b':2}。
coverage
coverage是一個測量Python程序代碼覆蓋率的工具。目前許多自動化測試項目都確少代碼覆蓋率的統計，使用coverage模塊便可對自動化測試用例進行評估，衡量測試的有效性。coverage通過監視被測程序，注意代碼的哪些部分已被執行，然後分析源代碼以識別可能已執行但未執行的代碼。使用時通過簡單的命令便能生成詳細的覆蓋率統計結果報告。
deepdiff
deepdiff模塊常用來校驗兩個對象是否一致，並找出其中差異之處，非常有助於斷言。deepdiff由DeepDiff（比較兩個對象）、DeepSearch（在對象中搜索其他對象）和DeepHash（根據對象的內容進行哈希處理）三部分組成。自動化腳本開發時可以採用DeepDiff實現斷言，DeepDiff不但支持豐富的校驗對象，例如字符串、數字、數組、字典，還提供了許多參數用以設置比較方式，例如忽略大小寫、忽略排序、忽略數據類型。
pandas
Pandas是Python語言的一個擴展程序庫，用於數據分析。可以從各種文件格式（比如CSV、JSON、SQL、Microsoft Excel）導入數據並進行運算操作（比如歸併、再成形、選擇、數據清洗、數據加工）。如果將測試用例寫在Excel或其他文件中，那麼使用pandas從文件中讀取大量測試數據並處理就會簡易許多。
jsonpath
JsonPath用於解析JSON數據。提供的JSON解析功能非常強大，它提供了類似正則表達式的語法，基本上可以滿足所有想要獲得的JSON內容。接口測試中，許多接口返回的值都是JSON格式，我們使用Python語言的JsonPath庫挺松提取到所需值。