既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
def test_insert_1000_lines_data(): lines = 1000 workbook = openpyxl.Workbook() worksheet = workbook.create_sheet(‘demo’) for i in range(lines): data = (i, f’name{i}‘, f’http://www.example.com/{i}’) worksheet.append(data) workbook.save(‘1000lines.xlsx’) def test_read_1000_lines_data(): workbook = openpyxl.load_workbook(‘1000lines.xlsx’) worksheet = workbook[‘demo’] for row in worksheet.values: pass
插入 1000 条数据会消耗多少时间呢?**答案是 0.09 秒**,速度并不慢。而读取这 1000 条测试数据消耗的时间,只需要 0.06 秒。
![](https://img-blog.csdnimg.cn/9159aebb6f7644b7b5c37318059dc855.png)
在一个项目当中,1000 个测试用例应该是比较合理的,所以在正常的测试场景下,使用 Excel 管理用例数据在读取效率上是合适的。
但是当数据变得越来越大的时候,Excel 的处理速度会越来越慢,读取数据消耗了 7 秒。这就意味着如果你有多个项目需要同时测试,Excel 的解析可能会对测试效率造成一定的影响。
| | 1000 行 | 5 万行 | 10 万行 |
| --- | --- | --- | --- |
| 插入时间 | 0.09s | 3.75s | 7.44s |
| 读取时间 | 0.07s | 3.45s | 7.1s |
***02、*****再看 CSV 格式**
**不论是进行自动化测试还是进行数据分析,CSV 格式都更加合适。**这种格式不像 Excel,要去处理表格的样式,它更专注于数据。
而且在 Python 语言当中,内置了 CSV 格式的处理模块,用法非常简单,没有太多额外的学习成本。
import csv
def test_insert_1000_lines_data(): lines = 1000 with open(‘1000lines.csv’, ‘w’, newline=‘’) as f: csv_writer = csv.writer(f) for i in range(lines): data = (i, f’name{i}‘, f’http://www.example.com/{i}’) csv_writer.writerow(data) def test_read_1000_lines_data(): with open(‘1000lines.csv’, newline=‘’) as f: csv_reader = csv.reader(f) for row in csv_reader: print(row)
分别对 1000 行、5 万行和 10 万行数据进行插入和读取操作,CSV 的速度都比 Excel 要快一个量级。
| | 1000 行 | 5 万行 | 10 万行 |
| --- | --- | --- | --- |
| 插入时间 | 0.08s | 0.09s | 0.17s |
| 读取时间 | 0.02s | 0.04s | 0.09s |
对于海量数据处理,CSV 比 Excel 要快很多,代码编写也更简单。
但是,使用 CSV 格式一定要注意对逗号的处理。
在 CSV 当中,每一行的数据默认是用逗号分割的,如果你有一个数据当中本身就包含了逗号,一定要记得把这个数据用双引号包裹。
而且,CSV 支持的数据格式非常有限,数据被读取出来后都被当成字符串,需要自己添加额外的解析操作。
id,17,18,"{'name': 'yuz', 'age': 11}"
现在我也找了很多测试的朋友,做了一个分享技术的交流群,共享了很多我们收集的技术文档和视频教程。
如果你不想再体验自学时找不到资源,没人解答问题,坚持几天便放弃的感受
可以加入我们一起交流。而且还有很多在自动化,性能,安全,测试开发等等方面有一定建树的技术大牛
分享他们的经验,还会分享很多直播讲座和技术沙龙
可以免费学习!划重点!开源的!!!
qq群号:110685036
![](https://img-blog.csdnimg.cn/e575ea72f50d4ec1a341c7ddc54e5f1f.png)
***03、*****最后,看看 YAML 表现怎么样?**
YAML 的优点在**于丰富的数据类型支持**。无论是元组、字典、数字、布尔类型都能支持,并且被 python 语言轻松解析成对应的 python 数据类型。
import yaml
def test_insert_1000_lines_data(): lines = 1000 with open(‘1000lines.yaml’, ‘w’) as f: all_data = [{“id”: i, “name”: f"name{i}", “data”: {“username”: “yuz”, “passoword”: 123456}} for i in range(lines)] yaml.safe_dump(all_data, f)
def test_read_1000_lines_data(): with open(‘1000lines.yaml’, encoding=‘utf-8’) as f: data = yaml.load(f, Loader=yaml.SafeLoader
在少量数据的解析上,YAML 会非常的方便。但是一旦数据增加到上万组,YAML 的解析速度会非常非常慢。当数据达到 10 万行的时候,读取速度竟然接近 1 分钟。
| | 1000 行 | 5 万行 | 10 万行 |
| --- | --- | --- | --- |
| 插入时间 | 0.27s | 14.79s | 31.78s |
| 读取时间 | 0.47s | 26.8s | 53.63s |
最近有越来越多的自动化测试人员使用 YAML 存储用例,一方面是看重了它支持的丰富的数据格式,另一方面可能是受了一些框架的影响。
![img](https://img-blog.csdnimg.cn/img_convert/2eed5d54cbaed08fa46acfe9fc22553c.png)
![img](https://img-blog.csdnimg.cn/img_convert/5733b11929107c2d7a64ec2c9a6c32b0.png)
![img](https://img-blog.csdnimg.cn/img_convert/f2821717285517954e2135690ec42c32.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化的资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化的资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**