python ddt数据驱动
1、背景
在自动化测试当中,我们通常会将测试数据从测试代码中抽离出来放在单独的文件中,既能减少代码量,也能降低代码的维护成本,通过数据的改变从而驱动自动化测试的执行。
接触python自动化测试的第一个框架通常都是unittest,使用@ddt装饰器来完成数据驱动,ddt意思就是 “Data-Driven Tests”。
安装方式:
pip index versions ddt # 查看ddt所有的版本
pip install ddt version # 安装制定版本的ddt
pip install ddt # 安装最新版本的ddt
ddt的官网地址为:官网地址
2、ddt使用实践
2.1 项目目录结构
使用pycharm新建一个项目,目录结构如下: 主要包含testcases 和testdata两个包,testcases下面放测试脚本文件,testdata下面放测试数据文件。
2.2 直接在脚本文件中获取测试数据
testcases package下新建test_ddt.py文件,编写测试代码如下:
import unittest
import ddt
data = [
{"phone": "dfasd132", "key": "dfabc"},
{"phone": "dfsd134", "key": "dftest"},
{"phone": "dfdfd188", "key": "dfmin"},
]
@ddt.ddt
class Test_ddt(unittest.TestCase):
def setUp(self):
print("Before every test case!")
@ddt.data(*data)
def test_001(self, data):
print("phone is:" +data['phone'])
print("key is:" +data['key'])
if __name__ == '__main__':
unittest.main()
执行结果为: 可以看到我们定义的字典data中有3组数据,用例总共执行了3次,按顺序每次取一组数据作为入参。
2.3 从yml文件中获取测试数据
在testdata package下新建testdata1.yml文件,文件中写入测试数据如下:
-
name: 'testyy'
age: 18
-
name: 'testzz'
age: 20
test_ddt.py文件中修改测试代码如下:
import unittest
import ddt
import yaml
@ddt.ddt
class Test_ddt(unittest.TestCase):
def setUp(self):
print("Before every test case!")
@ddt.file_data("..\\testdata\\testdata1.yml")
def test_002(self,name,age):
print('name is:' +str(name))
print('age is:' + str(age))
if __name__ == '__main__':
unittest.main()
执行结果为: 可以看到yml文件中我们定义了2组数据,用例总共执行了2次,按顺序每次取一组数据作为入参。
2.4 从json文件中获取测试数据
在testdata package下新建testdata2.json文件,文件中写入测试数据如下:
{
"student1": {
"name": "小明",
"age": 12
},
"student2": {
"name": "小张",
"age": 20
}
}
test_ddt.py文件中修改测试代码如下:
import unittest
import ddt
import yaml
@ddt.ddt
class Test_ddt(unittest.TestCase):
def setUp(self):
print("Before every test case!")
@ddt.file_data("..\\testdata\\testdata2.json")
def test_003(self,name,age):
print("name is:"+str(name))
print("age is:" +str(age))
if __name__ == '__main__':
unittest.main()
执行结果为: 综上,从脚本文件中直接获取测试数据、从yml文件获取测试数据、从Json文件获取测试数据,应该已经可以满足自动化测试需要了。
|