• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    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:

    ​ 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:

                      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脚本之家其它相关文章!

    您可能感兴趣的文章:
    • 利用Python如何实现数据驱动的接口自动化测试
    • 详尽讲述用Python的Django框架测试驱动开发的教程
    • Nodejs学习笔记之测试驱动
    • python测试驱动开发实例
    • Android开发笔记之:对实践TDD的一些建议说明
    • QUnit jQuery的TDD框架
    • 浅谈测试驱动开发TDD之争
    上一篇:详解解决jupyter不能使用pytorch的问题
    下一篇:python读取图片颜色值并生成excel像素画的方法实例
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    python 基于DDT实现数据驱动测试 python,基于,DDT,实现,数据,