python 基於DDT實現數據驅動測試

簡單介紹

​ DDT(Date Driver Test),所謂數據驅動測試,簡單來說就是由數據的改變從而驅動自動化測試的執行,最終引起測試結果的改變。通過使用數據驅動測試的方法,可以在需要驗證多組數據測試場景中,使用外部數據源實現對輸入輸出與期望值的參數化,避免在測試中使用硬編碼的數據,也就是測試數據和用例腳本代碼分離。

​ DDT它其實就是一個裝飾器,它會根據你傳遞進來的數據來決定要生成幾個測試用例。

​ 🎈使用的意義

1.代碼復用率高:一個測試邏輯隻需要寫一次,可以多條測試數據復用,同時提高測試腳本的編寫效率。

2.異常排查效率高:根據測試數據,每條數據生成一條測試用例,用例相互分離,一條失敗的情況下不會影響其他測試用例。

3.代碼可維護性高:簡潔明瞭的測試框架,利於其他同事閱讀,提高代碼的可維護性。

安裝及導入

​ cmd命令行執行安裝:pip install ddt

​ 直接導入到模塊:import ddt,或導入具體的裝飾器:from ddt import ddt, data, unpack

使用詳解

​ 🎈三個要點:

  • @ddt:裝飾測試類
  • @data:裝飾測試用例
  • @unpack:裝飾測試用例

​ 要使用ddt的前提是要有測試用例類,然後用@ddt去裝飾測試用例類,用@data(測試數據)去裝飾測試用例,如下登錄接口例子:

from ddt import ddt, data
from common.read_excel import ReadExcel
from common.my_logger import log


@ddt # 裝飾登錄測試用例類,聲明使用ddt
class LoginTestCase(unittest.TestCase):
  
  excel = ReadExcel("cases.xlsx", "login")
  cases = excel.read_data()
  
  @data(*cases)	# 裝飾測試用例
  def test_login(self, case):
    case_data = eval(case["data"])
    expected = eval(case["expected"])
    case_id = case["case_id"]
    result = login_check(*case_data)
    response = self.http.send(url=url, method=method, json=data, headers=headers)
    result = response.json()
    try:
      self.assertEqual(expected["code"], result["code"])
      self.assertEqual((expected["msg"]), result["msg"])
    except AssertionError as e:
      log.info("用例:{}--->執行未通過".format(case["title"]))
      print("預期結果:{}".format(expected))
      print("實際結果:{}".format(result))
      raise e
    else:
      log.info("用例:{}--->執行通過".format(case["title"]))


if __name__ == '__main__':
  unittest.main()

@ddt它做的事情其實就等同於這句代碼:LoginTestCase = ddt(LoginTestCase),把具體的類名傳給ddt,告訴ddt是這個測試用例類要使用數據驅動。

@data做的事情就是把測試數據作為一個參數傳遞給測試用例,一個數據對應生成一條測試用例,如果data裡面有多個數據那麼就對應生成多條測試用例。如果data裡放的類似是元組、列表等這樣的序列類型的數據,data會把他們當成是一個整體,即一個測試數據。

​ 如果想一次傳遞多個參數給測試用例,需要自行在腳本中對數據進行分解或者使用@unpack分解數據。如上例子中的測試用例,隻使用瞭一個參數,但這個參數case是一個字典,字典中已經包含多個數據,直接用key獲取對應的值即可。@unpack則是可以把序列類型的數據拆分為多個,以多個參數傳給測試用例,但測試用例也需要定義同等數量的參數來接收。

​ 上面例子的測試數據cases來源是使用瞭openpyxl來讀取excel中的測試數據的,關於openpyxl可以看我這個系列的另外一篇隨筆。這裡直接說明cases其實就是像下面這樣的一個列表:

cases = [{'case_id': 1, 'title': '正常登錄', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登錄成功"}'}, {'case_id': 2, 'title': '密碼錯誤', 'data': '("test", "123")', 'expected': '{"code": 1, "msg": "賬號或密碼不正確"}'}, {'case_id': 3, 'title': '賬戶名錯誤', 'data': '("test11", "Test1234")', 'expected': '{"code": 1, "msg": "賬號或密碼不正確"}'}]

# *解包後,一個字典就是一個測試用例數據
# 如第一個字典:{'case_id': 1, 'title': '正常登錄', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登錄成功"}'}

​ 通過*解包,它的數據就是3個字典,每次給測試用例傳入1個字典,而這個字典裡就存放瞭一條完整的登錄接口測試用例的測試數據,包括用例id、用例標題、測試的賬號密碼、期望返回的結果。

​ 🎈小結:

  • @data(a,b):a和b各運行一次用例
  • @data(*(a,b):a和b各運行一次用例,使用*解包,相當於@data(a,b)
  • @data([a,d],[c,d])

                  如果沒有@unpack[a,b]、[c,d]都會被當成一個參數傳入用例,即用[a,b]運行一次,用[c,d]運行一次;
                  如果有@unpack,[a,b]會被分解開,一次傳遞兩個參數給用例,用例需要定義兩個參數接收
                  @unpack可適用元組、列表或字典,但當傳入的是字典時,字典的key和用例定義的參數名需要保持一致

​ 關鍵代碼:@file_data,傳遞文件(json/yaml)

擴展

​ 關鍵代碼:@file_data,傳遞文件(json/yaml)

# 傳遞json
"""
json文件數據
{
	"token":123456,
	"actionName": "api.login",
	"content": {
		"user": "miki",
		"pwd": "Test123"
	}
}
"""
"""
yaml文件
test_list:
 - 11
 - 22
 - 12

sorted_list: [ 11, 12, 22 ]
"""
from ddt import *


@ddt	# 聲明使用ddt
class TestFile(unittest.TestCase):

  @file_data('D:/test/test.json')
  def test_json(self, json_data):
    print(json_data)
    
  @file_data('D:/test/test.yaml')
  def test_yaml(self, yaml_data):
    print("yaml", yaml_data)

以上就是python 基於DDT實現數據驅動測試的詳細內容,更多關於python 實現數據驅動測試的資料請關註WalkonNet其它相關文章!