python 基于DDT实现数据驱动测试

简单介绍

​ ddt（date driver test），所谓数据驱动测试，简单来说就是由数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。通过使用数据驱动测试的方法，可以在需要验证多组数据测试场景中，使用外部数据源实现对输入输出与期望值的参数化，避免在测试中使用硬编码的数据，也就是测试数据和用例脚本代码分离。

​ ddt它其实就是一个装饰器，它会根据你传递进来的数据来决定要生成几个测试用例。

​ ????使用的意义

1.代码复用率高：一个测试逻辑只需要写一次，可以多条测试数据复用，同时提高测试脚本的编写效率。

2.异常排查效率高：根据测试数据，每条数据生成一条测试用例，用例相互分离，一条失败的情况下不会影响其他测试用例。

3.代码可维护性高：简洁明了的测试框架，利于其他同事阅读，提高代码的可维护性。

安装及导入

​ cmd命令行执行安装：pip install ddt

​ 直接导入到模块：import ddt，或导入具体的装饰器：from ddt import ddt, data, unpack

使用详解

​ ????三个要点：

• @ddt：装饰测试类
• @data：装饰测试用例
• @unpack：装饰测试用例
  

​ 要使用ddt的前提是要有测试用例类，然后用@ddt去装饰测试用例类，用@data(测试数据)去装饰测试用例，如下登录接口例子：

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


@ddt # 装饰登录测试用例类，声明使用ddt
class logintestcase(unittest.testcase):
  
  excel = readexcel("cases.xlsx", "login")
  cases = excel.read_data()
  
  @data(*cases)	# 装饰测试用例
  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：{}--->执行未通过".format(case["title"]))
      print("预期结果：{}".format(expected))
      print("实际结果：{}".format(result))
      raise e
    else:
      log.info("用例：{}--->执行通过".format(case["title"]))


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

​ @ddt它做的事情其实就等同于这句代码：logintestcase = ddt(logintestcase)，把具体的类名传给ddt，告诉ddt是这个测试用例类要使用数据驱动。

​ @data做的事情就是把测试数据作为一个参数传递给测试用例，一个数据对应生成一条测试用例，如果data里面有多个数据那么就对应生成多条测试用例。如果data里放的类似是元组、列表等这样的序列类型的数据，data会把他们当成是一个整体，即一个测试数据。

​ 如果想一次传递多个参数给测试用例，需要自行在脚本中对数据进行分解或者使用@unpack分解数据。如上例子中的测试用例，只使用了一个参数，但这个参数case是一个字典，字典中已经包含多个数据，直接用key获取对应的值即可。@unpack则是可以把序列类型的数据拆分为多个，以多个参数传给测试用例，但测试用例也需要定义同等数量的参数来接收。

​ 上面例子的测试数据cases来源是使用了openpyxl来读取excel中的测试数据的，关于openpyxl可以看我这个系列的另外一篇随笔。这里直接说明cases其实就是像下面这样的一个列表：

cases = [{'case_id': 1, 'title': '正常登录', 'data': '("test", "test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}, {'case_id': 2, 'title': '密码错误', 'data': '("test", "123")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}, {'case_id': 3, 'title': '账户名错误', 'data': '("test11", "test1234")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}]

# *解包后，一个字典就是一个测试用例数据
# 如第一个字典：{'case_id': 1, 'title': '正常登录', 'data': '("test", "test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}

​ 通过*解包，它的数据就是3个字典，每次给测试用例传入1个字典，而这个字典里就存放了一条完整的登录接口测试用例的测试数据，包括用例id、用例标题、测试的账号密码、期望返回的结果。

​ ????小结：

• @data(a,b)：a和b各运行一次用例
• @data(*(a,b)：a和b各运行一次用例，使用*解包，相当于@data(a,b)
• @data([a,d],[c,d])

                  如果没有@unpack[a,b]、[c,d]都会被当成一个参数传入用例，即用[a,b]运行一次，用[c,d]运行一次；
                  如果有@unpack，[a,b]会被分解开，一次传递两个参数给用例，用例需要定义两个参数接收
                  @unpack可适用元组、列表或字典，但当传入的是字典时，字典的key和用例定义的参数名需要保持一致

​ 关键代码：@file_data，传递文件(json/yaml)

扩展

​ 关键代码：@file_data，传递文件(json/yaml)

# 传递json
"""
json文件数据
{
	"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	# 声明使用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 基于ddt实现数据驱动测试的详细内容，更多关于python 实现数据驱动测试的资料请关注其它相关文章！