当前位置:首页 > 文章列表 > 文章 > 软件教程 > Postman 使用 Runner 读取 CSV 参数批量请求的步骤

Postman 使用 Runner 读取 CSV 参数批量请求的步骤

来源:17golang原创 2026-11-13 14:42:27 0浏览 收藏

如果一组接口只是参数不同,逐个修改请求再点击 Send 很快就会失去可重复性。更稳妥的做法是让 CSV 的每一行代表一次迭代,把列名映射为请求变量,再交给 Collection Runner 批量执行。本文只讲这一条路径:准备 CSV、绑定变量、选择数据文件、运行和确认结果。

官方文档:https://learning.postman.com/docs/running-collections/working-with-data-files/

核心关系是:CSV 第一行的表头决定变量名,后面的每一行决定一次 iteration。请求里写成 {{email}},Runner 就会在对应迭代中替换成这一行的 email 值。

一、先把 CSV 整理成“一行一次请求”

打开文本编辑器,新建一个 UTF-8 编码的 CSV。第一行只放字段名,后面每行代表一次请求输入。下面的示例准备了三个用户订单:

email,order_id,remark
alice@example.com,ORD-1001,首单
bob@example.com,ORD-1002,补发
carol@example.com,ORD-1003,人工复核

CSV 是数据文件,不支持像 Go、JavaScript 那样的注释语法,所以字段含义要放在代码块外说明。表头 email、order_id 和 remark 会成为 Runner 能读取的变量名;不要在表头前后加入空格,也不要把中文说明写进第一行。

保存后先做三个肉眼检查:列数是否一致、值中是否有未处理的英文逗号、文件是否带有正确的 UTF-8 编码。如果某个值本身包含逗号,应按 CSV 规则用双引号包住,例如 "华东,一组"。

二、在请求中引用 CSV 表头

在 Postman 左侧打开目标 collection,进入要重复执行的请求。把 URL、Params、Headers 或 Body 中需要随每行数据变化的部分写成双花括号变量。比如请求体可以是:

{
  "email": "{{email}}",
  "order_id": "{{order_id}}",
  "remark": "{{remark}}"
}

这是严格 JSON,因此不能在对象内部添加注释;三个字段的作用分别是收件地址、订单编号和备注。请求中的固定字段继续保留固定值,只有需要被 CSV 驱动的字段才写变量。这样既能减少数据文件的列数,也能避免把鉴权、接口地址等不应变化的设置放入 CSV。

点击请求右上角的 Send 做一次单条占位检查时,如果没有绑定 Runner 数据文件,变量可能显示为未解析状态,这是正常的。真正的 CSV 替换发生在 Runner 的迭代上下文中。

三、从 Collection Runner 载入 CSV

在 Postman 顶部选择 Runner,再选择包含目标请求的 collection。若只想运行一个请求,可以在运行器中展开 collection 后缩小到对应文件夹或请求。把右侧运行设置滚动到 Data file 区域,选择 Select file,加载刚才保存的 users.csv。

原创界面说明图:Collection Runner 的 Data file 区域已载入 users.csv 并预览 email 与 order_id 列
图1:操作示意图,Runner 的 Data file 区域显示 CSV 文件和列名预览;这是原创说明图,不是软件截图。

选择后重点看预览区域,而不是只看文件名:

  • 列名应出现 email、order_id、remark。
  • 预览的第一条数据应对应 CSV 的第一条数据行,而不是把表头当成值。
  • 如果第一列名称出现乱码或多余字符,先重新用 UTF-8 保存文件,再重新选择。

只有预览列名和请求中的变量名能够一一对应时,才继续配置运行次数。

四、按数据行运行并确认迭代状态

数据文件绑定后,Runner 会以 CSV 数据行作为迭代来源。将迭代次数保持为数据文件行数对应的数量;不要为了“多跑几次”手动填入大于数据行数的值,否则后续迭代没有新的输入,排查时容易把空值误认为接口问题。确认环境、请求顺序和数据文件后,点击运行按钮。

成功启动后,先看运行概览中的 iteration 计数,再点开一条请求查看实际展开值。下面的界面说明图展示了一个完成三次迭代后的结果状态:

原创界面说明图:Runner 结果面板显示三次迭代完成、请求变量值和 200 OK 状态
图2:结果示意图,运行概览、变量值和响应状态被放在同一工作区;这是原创说明图,不是运行证据。

每次迭代至少确认三件事:请求详情里的 email 和 order_id 已经从变量变成当前行的具体值;运行计数与数据行数一致;响应状态和响应体符合这个请求本身的预期。不要只凭总的 200 状态判断数据绑定正确,因为接口可能接受空字段。

五、变量没有替换时按这条顺序排查

1. 先对表头,不要先改环境变量

确认 CSV 的表头与请求中的变量名完全一致,包括大小写和下划线。order_id、orderId 与 order_id 是三个不同的名字。修改 CSV 后,要在 Runner 中重新选择文件,避免继续使用旧的预览。

2. 再看文件是否真的绑定到当前运行

同一个 collection 可以从不同入口启动。重新打开 Runner,确认 Data file 区域仍显示当前文件,并能看到实际列名;如果只是打开请求窗口单独发送,CSV 行上下文不会自动注入。

3. 最后区分 CSV 变量和环境变量

环境变量适合保存固定的服务地址或测试环境配置,CSV 变量适合保存每次迭代不同的业务数据。不要把同一个名称同时放在环境和 CSV 中来“兜底”,否则读者很难从请求详情判断最终值来自哪一层。为批量测试使用专门的字段名,例如 order_id,并在单条请求中保持同样的写法。

常见问题

CSV 是否必须有表头?建议保留。Runner 需要通过表头把列映射为变量;没有稳定表头时,变量含义和排错成本都会变差。

为什么文件有三行数据,运行却不是三次?第一行通常是表头,不算数据行。还要检查是否在 Runner 中手动修改了迭代次数,以及 CSV 是否有空行。

请求返回成功但业务数据不对怎么办?先打开某一次迭代的请求详情,核对实际展开的 email、order_id 和请求体;如果展开值正确,再把问题收窄到接口响应或业务校验,而不是继续修改 CSV。

最后确认清单

完成后可以用这份短清单收尾:CSV 第一行是稳定表头;每个数据行代表一次请求;请求变量名与表头逐字一致;Runner 的 Data file 有文件名和列预览;迭代数与数据行数匹配;至少抽查一条请求详情中的实际展开值。满足这六项,Postman 就能把 CSV 参数稳定地交给 Runner 批量发送。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Chrome DevTools Overrides 映射本地文件的使用方法Chrome DevTools Overrides 映射本地文件的使用方法
上一篇
Chrome DevTools Overrides 映射本地文件的使用方法
Navicat 定时导出单表结构的配置方法
下一篇
Navicat 定时导出单表结构的配置方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1012次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1016次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1141次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1113次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    957次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码