allure报告json数据需从allure-report/data/目录读取，用json.load()配合utf-8-sig编码解析test-cases/等文件，提取status、time、labels等字段；统计通过率应排除skipped，分离failed与broken，耗时分析需识别retried记录，并兼容不同allure版本的summary.json路径。
如何用Python读取Allure报告的JSON数据结构
Allure报告的核心数据都存在 allure-report/data/ 目录下的 JSON 文件里，不是 HTML 页面本身。直接解析 HTML 会失败，因为生成的报告是静态前端渲染的，真实指标藏在 test-cases/、categories.json、summary.json 这些文件中。
实操建议：
- 确保 Allure 已执行过
allure generate，且输出目录结构完整（常见错误：误读allure-results/—— 那是原始结果，不是可解析的报告数据） - 用 Python 的
pathlib定位到allure-report/data/test-cases/，遍历所有*.json文件 - 每个测试用例 JSON 中关键字段包括：
status（"passed"/"failed"/"broken"）、time（start和stop时间戳）、labels（含epic、feature、story等） - 注意编码：Allure 输出的 JSON 默认为 UTF-8，但某些 Windows 环境下可能带 BOM，建议用
open(... , encoding="utf-8-sig")
怎样准确统计通过率、失败根因和耗时分布
通过率不能只数 "passed" 个数——Allure 把跳过（"skipped"）和未知（"unknown"）也计入总数；而 "broken" 通常表示 fixture 失败或环境异常，应和 "failed" 分开归因。
实操建议：
- 聚合时按
status分组，排除"skipped"（它不反映用例逻辑问题），把"broken"单独计为「环境/框架问题」 - 从
categories.json提取自定义分类规则（比如匹配 error message 正则），用于自动归因失败类型（如"ConnectionRefusedError"→ 「服务未启动」） - 耗时分析不要直接用
stop - start：部分用例可能被重试（retries字段存在），需检查statistic下的retried布尔值，只取最后一次执行的时间 - 示例判断逻辑：
if case.get("statistic", {}).get("retried", False): continue # 跳过重试中间记录
为什么用 allure-python-api 比手动解析 JSON 更危险
allure-python-api 是运行时库，用于生成报告，**不是解析工具**。它的 TestResult 类型只在 pytest 执行过程中有效，无法加载已生成的 report 数据。
常见错误现象：
- 试图用
TestResult.from_json(...)加载test-cases/xxx.json→ 报AttributeError: 'dict' object has no attribute 'name' - 误以为
allure_commons模块提供反序列化能力 → 实际上它只负责序列化输出，无公开反向接口 - 依赖
allure-pytest的 hook（如pytest_runtest_makereport）去“监听”结果 → 这只能捕获执行时状态，无法复现报告生成后的最终判定（比如被 categories 规则重分类的失败）
结论：坚持用标准 json.load() + 手动字段校验，别绕路。
提取指标时最容易忽略的路径和兼容性细节
Allure 2.13+ 把 summary.json 移到了 allure-report/data/ 根下，而旧版本（≤2.12）放在 allure-report/data/summary/ 子目录。硬编码路径会导致脚本在不同 Allure 版本间失效。
实操建议：
- 先检查
allure-report/data/summary.json是否存在；不存在则 fallback 到allure-report/data/summary/summary.json -
test-cases/下的文件名是 UUID，不是用例名，别试图用文件名做业务映射；必须读name字段 - 某些 CI 环境（如 GitLab CI）生成的报告可能压缩为
allure-report.zip，需先解压再解析，不能直接用zipfile.ZipFile读内部 JSON —— 因为路径是相对的，要确保解压后保留data/目录层级 - 如果用例打了多个相同 label（如两个
feature），labels是数组，需遍历去重，否则统计 feature 覆盖率会重复计数
真正卡住人的往往不是逻辑，而是某个版本悄悄改了 JSON 字段嵌套层级，或者 CI 打包时漏掉了 categories.json。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
