DDT数据驱动

一、DDT介绍
数据驱动思想：

数据和用例进行分离，通过外部数据去生成测试用例

适用场景：

进行接口测试时，每个接口的传参都不止一种情况，一般会考虑正向、逆向等多种组合。所以在测试一个接口时通常会编写多条case，而这些case除了传参不同外，没其他什么区别。这个时候就可以利用ddt来管理测试数据，提高代码复用率。

DDT：

“Data-Driven Tests”的缩写。数据驱动测试，就是说由数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。通过使用数据驱动测试的方法，可以在需要验证多组数据测试场景中，使用外部数据源实现对输入输出与期望值的参数化。也就是测试数据和用例脚本代码分离。

DDT作用：

通过使用数据驱动测试，一个测试逻辑可以供多条测试数据复用，代码复用率高，避免编写重复代码

数据与测试脚本分离，某条用例失败时不会影响其他测试用例，异常排查效率高

通常来说，多用于单元测试和接口测试。简洁明了的测试框架，利于其他同事阅读，代码的可维护性高。

使用csv模块读取csv文件，使用pytest参数化实现DDT

mport csv
import pytest
def get_data():
    with open('test.csv') as f:
        lst = csv.reader(f)
        my_data = []
        for row in lst:
            my_data.extend(row)
        return my_data

@pytest.mark.parametrize('name', get_data())
#会对遍历数据
def test01(name):
    print(name)

if __name__ == '__main__':
    #print(get_data())
    pytest.main(['-sv', 'test_csv.py'])