python接口自动化实现--基于pandas库解析测试用例

一、pandas库解析测试用例代码详细说明

1.pandas读取文件的方法

读取excel文件：
pandas.read_excel(excel文件路径)

读取csv文件:
pandas.read_csv(csv文件路径)

2.loc和iloc方法说明

loc[行索引，列标题] 和 iloc[行索引] 方法的区别在于中括号【】中所需要的参数不一致，但是获取到的数据结果是一致的

m=df.loc[0,title].values
print(m)
n=df.iloc[0].values
print(n)

 代码运行结果，m和n的打印结果一致：

m的打印结果：['case0001' 'common_api_request' '通用API请求' '关键字搜索' '关键字正常搜素能显示结果'
 '5|9组合搜索横流南路铭兴街' 'yes' 'GET' '/zhs/bs/tips' 'params'
 '{"query":"横流南路铭兴街","ak":"ebf48ecaa1fd436fa3d40c4600aa051f","region":"441900"}'
 'json' '{"result":[{"uid":"123330148"}]}' ]
n的打印结果：['case0001' 'common_api_request' '通用API请求' '关键字搜索' '关键字正常搜素能显示结果'
 '5|9组合搜索横流南路铭兴街' 'yes' 'GET' '/zhs/bs/tips' 'params'
 '{"query":"横流南路铭兴街","ak":"ebf48ecaa1fd436fa3d40c4600aa051f","region":"441900"}'
 'json' '{"result":[{"uid":"123330148"}]}' ]

 3.zip()函数和dict()函数

    zip()函数可以接收多个可迭代对象，然后把每个可迭代对象中的第i个下标元素组合在一起，形成一个新的迭代器，类型为元组

a = ['a','b','c']
b = ['4','5','6']
l= zip(a,b)
print(l)

打印结果，打印的是一个元组类型的迭代器：

<zip object at 0x000001D37710C300> 

迭代器数据提取方法：

next()、list()、for循环 ;dict()

a = ['a','b','c']
b = ['4','5','6']
l= zip(a,b)
for i in l:
    print(i)

 打印结果：

('a', '4')
('b', '5')
('c', '6')

 dict()函数可以传一个zip()函数，将上述元组数据转换成字典

a = ['a','b','c']
b = ['4','5','6']
print(dict(zip(a,b)))

 打印结果：

{'a': '4', 'b': '5', 'c': '6'}

4.append()和extend()方法都是用来添加数据到list末尾的，两者的区别：

        append()添加的时候会把添加的数据当成一个整体进行添加，允许添加任意类型的数据；              extend()添加的时候会把添加的数据迭代进行添加，只允许添加可迭代对象数据（可迭代对象： 能用for循环进行迭代的对象就是可迭代对象， 比如：字符串，列表，元祖，字典，集合等等 ）

 

二、pandas库解析excel类型的测试用例

1.excel类型测试用例文件示例

caseNo

action_keyword

action_name

function_module

case_title

case_description

is_run

request_method

request_url

request_type_data

request_body

response_type_data

expect_result

case0001

common_api_request

通用API请求

关键字搜索

关键字正常搜素能显示结果

5|9组合搜索横流南路铭兴街

yes

GET

/zhs/bs/tips

params

{"query":"横流南路铭兴街","ak":"ebf48ecaa1fd436fa3d40c4600aa051f","region":"441900"}

json

{"result":[{"uid":"123330148"}]}

2. excel类型测试用例文件解析

import pandas as pd
import os,xlrd
#获取excel文件路径
datapath = os.path.split(os.path.abspath(__file__))[0]
excel_path = os.path.join(datapath,"testexcel.xls")
#通过文件路径读取excel文件内容
df = pd.read_excel(excel_path)
#获取excel文件每一列的第一行的名称
title = df.columns.values
#获取excel文件每一行的索引值，从第二行开始计算，索引值从0开始
num = df.index.values
caselists=[]
for i in num :
    caselist=[]
    casevalue = df.loc[i,title].values
    print(casevalue)
    #zip函数将两个列表的数值按照索引一一对应的方式，以元组的方式返回
    #dict函数将列表中的元组转换成字典的格式
    caseinfo = dict(zip(title, casevalue))
    caselist.append(caseinfo)
    caselists.extend(caselist)
    # print(caseinfo)
print(caselists)

3.excel类型测试用例文件解析代码运行结果

[{'caseNo': 'case0001', 'action_keyword': 'common_api_request', 'action_name': '通用API请求', 'function_module': '关键字搜索', 'case_title': '关键字正常搜素能显示结果', 'case_description': '5|9组合搜索横流南路铭兴街', 'is_run': 'yes', 'request_method': 'GET', 'request_url': '/zhs/bs/tips', 'request_type_data': 'params', 'request_body': '{"query":"横流南路铭兴街","ak":"ebf48ecaa1fd436fa3d40c4600aa051f","region":"441900"}', 'response_type_data': 'json', 'expect_result': '{"result":[{"uid":"123330148"}]}', 'verify': nan, 'save': nan}] 

三、pandas库解析csv类型的测试用例

1.csv类型测试用例文件解析

#获取csv文件路径
datapath = os.path.split(os.path.abspath(__file__))[0]
csv_path = os.path.join(datapath,"testcsv.csv")
#通过文件路径读取csv文件内容
df = pd.read_csv(csv_path)
#获取csv文件每一列的第一行的名称
title = df.columns.values
#获取csv文件每一行的索引值，从第二行开始计算，索引值从0开始
num = df.index.values
caselists=[]
for i in num :
    caselist=[]
    casevalue = df.loc[i,title].values
    print(casevalue)
    #zip函数将两个列表的数值按照索引一一对应的方式，以元组的方式返回
    #dict函数将列表中的元组转换成字典的格式
    caseinfo = dict(zip(title, casevalue))
    caselist.append(caseinfo)
    caselists.extend(caselist)
print(caselists)