数据驱动

目录

 

1、数据驱动

1.1 特点

1.2 传入数据的方式（测试数据的来源）

2、Json

2.1 Json语法规则

2.2 JSON键

2.3 JSON值

2.4 JSON数据操作

3、yaml数据存储文件

3.1 PyYAML库安装

3.2 文件后缀名

3.3 语法规则

3.4 支持的数据结构

3.5 返回值

3.6 yaml数据操作

---

1、数据驱动

以数据来驱动整个测试用例的执行，也就是测试数据决定测试结果。比如我们要测试加法，我们的测试数据是1和1，测试结果就是2，如果测试数据是1和2，测试结果就是3.

 

1.1 特点

数据驱动技术可以将用户把关注点放在对测试数据的构建和维护上，而不是直接维护脚本，可以利用同样的过程对不同的数据输入进行测试.

数据驱动的实现要依赖参数化的技术.

1.2 传入数据的方式（测试数据的来源）

1. 直接定义在测试脚本中（简单直观，但代码和数据未实现真正的分离，不方便后期维护）
2. 从文件读取数据，如JSON、excel、xml、txt等格式文件
3. 从数据库中读取数据
4. 直接调用接口获取数据源
5. 本地封装一些生成数据的方法

2、Json

2.1 Json语法规则

- 大括号保存对象

- 中括号保存数组

- 对象数组可以相互嵌套

- 数据采用键值对表示

- 多个数据由逗号分隔

2.2 JSON键

JSON的键必须是字符串类型，用英文双引号括起来

2.3 JSON值

JSON 值可以是：

• 数字（整数或浮点数）

• 字符串（在双引号中）

• 逻辑值（true 或 false）

• 数组（在中括号中）

• 对象（在大括号中）

• null

示例： 

{
   "name": "tom",
   "age": 18,
   "isMan": true,
   "school": null,
   "address": {
       "country": "中国",
       "city": "江苏苏州",
       "street": "科技园路"
   },
   "numbers": [2, 6, 8, 9],
   "links": [
        {
            "name": "Baidu",
            "url": "http://www.baidu.com"
        },
       {
            "name": "TaoBao",
            "url": "http://www.taobao.com"
       }
    ]
}

2.4 JSON数据操作

2.4.1导包

import json

2.4.2JSON文件读写

读取json文件

with open('data.json', encoding='UTF-8') as f:
    data = json.load(f)    # 返回的数据类型为字典或列表

写入json文件

param = {'name': 'tom', 'age': 20} 
with open('data2.json', 'w', encoding='UTF-8') as f:     
    json.dump(param, f)

注意：unit test数据最外层必须是列表，列表中的元素可以是元组或列表

    # 数据最外层必须是列表，列表中的元素可以是元组或列表
    @parameterized.expand(test_data)
    def test_add_fun(self, x, y, expect):
        result = add(x, y)
        self.assertEqual(result, expect)

3、yaml数据存储文件

yaml是一种所有编程语言可用的友好的数据序列标准，语法和其他高阶语言类似，并且可以简单表达清单、散列表，标量等资料形态

3.1 PyYAML库安装

PyYAML为python解析yaml的库

安装：pip install PyYAML

3.2 文件后缀名

data.yaml  data.yml

3.3 语法规则

大小写敏感，即name Name是不同的

使用缩进表示层级关系，只要相同层级的元素对其即可

3.4 支持的数据结构

对象：键值对的集合，又称为映射/字典

数组：一组按次序排列的值，又称为序列/列表

纯量：单个值（包含字符串、布尔值、整数、浮点数、空、日期）

3.5 返回值

字典（yaml文件最核心的存在）

# 1、yaml文件中每一个冒号后必须加一个空格

name: "ww"
sex: 男   # 2、不加引号也不会报错，它会自动转换为python数据类型

# ❀ 对象
info: {"name": ww, "age": 18 }   # 值为python中的字典
Info: {"name": "星魂", "age": 21 }
student:    # 缩进表示层级关系，相同层级元素左对齐；一个冒号一个字典，同一层次的字典会合并，从而作为上一级的值
  name: '文'
  age: 14      # 'student': {'name': '文', 'age': 14}

# ❀ 数组
data:     # yaml文件支持列表格式
  - 1
  - 2

datas: ['雪女', '高渐离']  # python 列表类型

# 模拟json {"names":[{"k1":"v1"},{"k2":"v2"}]}
names:
  - k1: v1
  - k2: v2

# ❀ 纯量：字符串、布尔值、整数、浮点数、空、日期

# 🎈 布尔值
tr1: true   # yaml文件格式
fa1: false

tr2: True   # python布尔值
fa2: False

# 🎈 整数和浮点数
ind: 14
flo: 1.5

# 🎈 空
data1: ~  # None
data2: None  # 'None'，⚠ 不支持python的None类型
data3:    # 值为空就是返回python中的None
data4: null
data5: Null

# 🎈 日期
# 年月日
date1: 2020-08-26  # ⚠ 单位数必须要补0才可以，时分秒也一样要补0
# 年月日时分秒
date2: 2020-11-11 11:11:01
# 时分秒
date3: 11：11：11  # 不能这么写，它会返回某个数字

3.6 yaml数据操作

3.6.1 yaml读写操作

yaml读取文件

import yaml

# windows 防止中文乱码，encoding='utf-8'
with open('./test_yaml.yml', encoding='utf-8') as f:
    value = yaml.safe_load(f)

print(value)

test_yaml.yml:

test_001:
  x: 1
  y: 2
  z: 3

test_002:
  x: 4
  y: 6
  z: 10

test_003:
  x: 5
  y: 3
  z: 8

读取结果：

{'test_002': {'x': 4, 'z': 10, 'y': 6}, 'test_001': {'x': 1, 'z': 3, 'y': 2}, 'test_003': {'x': 5, 'z': 8, 'y': 3}}

写入yaml文件

# 写入数据
import yaml

data = {
    "Search_Data": {
        "search_test_002": {"expect": {"value": "你好"}, "value": "你好"},
        "search_test_001": {"expect": [4, 5, 6], "value": 456}
    }
}

"""
Search_Data:
  search_test_002:
    expect:
      value: "你好"
    value: "你好"
  search_test_001:
    expect: [4, 5, 6]
    value: 456    
"""

# yaml写文件
#   如果写入中文时，encoding='utf-8'（指定utf-8编码）, allow_unicode=True（使用Unicode编码）
with open('./data3.yml', 'w', encoding='utf-8') as f:  # 此处的utf-8也要有
    yaml.safe_dump(data, f, encoding='utf-8', allow_unicode=True)

示例：

@pytest.mark.parametrize('phone, password, toast_mess, exp_data', data('login.yml'))
    def test_login(self, phone, password, toast_mess, exp_data):
        pass