python自动化-数据驱动，ddt模块

前言

数据驱动，顾名思义就是用数据驱动测试用例的执行，那为什么要用数据驱动的模式呢？它的优势有哪些呢？

• 减少代码冗余，同一个测试场景只需要编写一次，不需要针对每一组测试数据来写一个测试方法。
• 代码复用率高，不同的数据可以用同一个测试方法执行。
• 代码的可维护性高，清晰的测试框架，数据和代码分离，实现解耦合，增加了代码的可维护性。

正文

前面有讲到使用excel来存放测试数据openpyxl操作excel，实现测试数据参数化，拿到数据后可以通过循环读取每一行的测试数据，也能顺利通过数据执行测试，但是这样处理存在两个问题：

• 读取excel数据通过for循环取数据进行参数化，如果中间有断言异常，就会跳出for循环，导致无法继续执行下面的用例。
• unittest框架是根据test开头的方法数来计算用例总数的，如果一个test方法对应多组测试数据，那么在循环多次后实际上方法只进入了一次，导致用例数统计不准确。

DDT模块

为了解决上面提到的这两个问题，就需要使用DDT模块了，DDT会根据data装饰器中位置参数的个数自动创建多个实例方法。

DDT组成

1. DDT由一个类装饰器（ddt）和两个方法装饰器（data，file_data）组成：

   • ddt.ddt:用于继承unittest模块中TestCase类的子类（也就是你的测试类）

   • ddt.data:装饰器用于需要引入数据的测试方法，往往data中的参数个数和测试方法所需的数据一样多，如果是多组数据，比如读取excel的数据是一个嵌套字典的字典，会被识别为一条数据，如果是一行一行的传到测试方法中，就需要将其进行拆包。

   • file_data装饰器可以从json或yaml文件中获取测试数据。

     注意，如果文件是以“.yml”或者".yaml"结尾，ddt会作为yaml类型处理，其他文件都会作为json文件处理。

     如果文件是列表，列表的值会作为测试用例参数，同时，会作为测试用例方法名后缀显示。

     如果文件是字典，字典的key会作为测试用例方法的后缀显示，字典的value会作为测试用例参数

   • ddt.unpack 的作用是把参数中 元祖 或者 列表 的元素对应到多个参数上，没有加 ddt.unpack 表示把元组 或者 列表本身当成一个参数传入。

2. 测试用例方法名生成规则

   使用ddt后，会产生一个新的测试用例方法名，即定义的测试用例方法名，比如：def test_one()，这里就是test_one。

   data：如果传递过来的数据存在__ name__ 属性，则这里就是该数据的__ name__ 值。如果未定义__ name__ 属性，ddt会尽量将传递过来的值转化为python标识符，作为data显示。比如：（1，3）就转为1_3。需要注意的是，如果数据是字典，则这里就是字典的key。

DDT安装

pip为pyton的第三方库，可以直接用pip安装

pip install ddt

DDT应用

1. 测试用例需要一条数据

   from ddt import ddt, data, unpack
   import unittest
   
   
   @ddt
   class TestCase(unittest.TestCase):
       
       @data(一条数据)
       def test_1(self, a):
           print(a)
   

   运行结果：

   一条数据
   test_1_1_一条数据 (__main__.TestCase) ... ok
   

2. 测试用例需要多组一条数据

   from ddt import ddt, data, unpack
   import unittest
   
   
   @ddt
   class TestCase(unittest.TestCase):
   
       @data(1,