Python自动化测试Data Driven Testing(DDT)用例解析

最新推荐文章于 2024-09-09 15:28:45 发布

程序员Baby~

最新推荐文章于 2024-09-09 15:28:45 发布

阅读量1.2k

点赞数 16

文章标签： python 软件测试程序员接口测试自动化测试测试工程师

本文链接：https://blog.csdn.net/Xsk215/article/details/134806499

版权

What is Data Driven Testing

数据驱动测试（Data-driven test）是一种软件测试方法，其中测试数据以表格或电子表格格式存储。数据驱动测试允许测试人员输入一个单一的测试脚本，可以对表格中的所有测试数据执行测试，并期望在同一表格中的测试输出。它也被称为表驱动测试或参数化测试。尤其是针对于自动化测试，DDT几乎是所有自动化测试默认遵循的规范。当我们执行自动化测试的时候，都会遵照DDT的要求，尽量将测试中的可变数据抽象出来，变成单独的文件，这个文件的格式可以是csv、xslx，也可以是json、xml或者是database。

Why Data Driven Testing

DDT的数据一般包括支持自动化测试用例执行的测试数据，UI测试使用的元素定位数据，和测试产生的测试结果。使用DDT的方式编写我们的测试脚本可以

1. 尽量保证test case和容易发生变化的数据解耦。这样当容易发生变化的数据变更后可以在统一的位置进行维护。同时脚本的实现方式发生变化的时候不影响用例本身的执行。

2. 可以复用代码，避免重复冗余的代码。

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：485187702【暗号：csdn11】

How to create a Data Driven Automation Framework

DDT究竟怎么落地到实际的测试中呢？举个例子，最简单的登陆注册页面，正确的用户名，错误的密码；正确的密码，错误的用户名；正确的用户名，正确的密码；甚至输入用户名的格式和密码的格式不同都会产生不同的用例。那我们可以把这些不同的数据存在一个文件中，用变量的方式把数据传递到登陆的方法中，这样就完成了一个简单的DDT测试脚本。

为了能更加方便的使用DDT的方式编写测试，有很多工具来辅助我们更简单的实现DDT。如果你的常用编程语言是python，可以了解下python中的selenium-ddt库。里面的常用方法是@data、@ddt、@unpack、@file_data这四种装饰器。

import os

from ddt import ddt, data, unpack, file_data

import unittest

def get_data():

testdata = [{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]

return testdata

@ddt

class MyTestCase(unittest.TestCase):

@data(1, 2, 3) //单组元组数据

def test1(self, value):

print(value)

@data((1, 2, 3), (4, 5, 6))

def test2(self, value):

print(value)

@data((1, 2, 3), (4, 5, 6)) //多组元组数据

@unpack // 加入unpack方法后使用两组数据执行该用例

def test3(self, value1, value2, value3):

print(value1, value2, value3)

@data([{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]) //列表数据

def test4(self, value):

print(value)

@data({'name': 'tom', 'age': '20'}, {'name': 'kite', 'age': '30'})//字典数据

def test5(self, value):

print(value)

@data({'name': 'tom', 'age': '20'}, {'name': 'kite', 'age': '30'})//多组字典数据拆分

@unpack

def test6(self, name, age):

print(name, age)

testdata = [{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]

# @data(*testdata)

@data(get_data()) //可以引用其他方法中的数据

def test7(self, value):

print(value)

@file_data(os.getcwd() + '/test.json')//读取文件应用文件中的数据

def test8(self, value2):

print(value2)

if __name__ == '__main__':

unittest.main()

代码比较简单但是可以说明问题，感兴趣的同学可以自己尝试运行一下，查看结果。可以看到ddt中支持多种多样数据结构的同时，也支持不同获取数据的来源，可以是定义在脚本中的数据，也可以是函数的返回数据，还可以读取文件中的数据。虽然在pytest支持参数化注解后就很少人使用selenium-ddt了，但是其中的设计思想还是值得参考。

下面是一个pytest参数化的。pytest的参数化是通过@pytest.mark.parametrize注解来实现的。

@pytest.mark.parametrize的内部是ParametrizeMarkDecorator，ParametrizeMarkDecorator的类中传入了MarkDecorator装饰器，这个装饰器被调用后，会将标记附加在类中，自动应用到类中找到的所有用例里面。

这就是为什么使用注解后的用例可以全部被执行的原因。而读取这些数据解析出来，是因为ParametrizeMarkDecorator的实现是一个Iterable，当传入的data是一个可迭代对象的时候，就可以将data中的数据unpack出来。