移动端测试之断言编写以及数据驱动

断言编写以及数据驱动

我们在编写自动化测试用例的一个关键点就在验证用例的正确性，验证的办法就是写断言，判断期望结果和实际结果是否一致。但是appium本身是没有断言库的，所以断言、test suit以及test runner都要依靠其他测试框架，如果是java一般使用junit、jest，python使用unit test和pytest。

1. assert 语句：assert 语句可以用于测试表达式的真假值。例如：assert True 表示测试 True 的真假值。

2. assert x == y：判断 x 和 y 是否相等。

3. assert x != y：判断 x 和 y 是否不相等。

4. assert x in y：判断 x 是否在 y 中。

5. assert x not in y：判断 x 是否不在 y 中。

6. assert x is y：判断 x 是否是 y。

7. assert x is not y：判断 x 是否不是 y。

8. assert x > y：判断 x 是否大于 y。

9. assert x >= y：判断 x 是否大于等于 y。

10. assert x < y：判断 x 是否小于 y。

11. assert x <= y：判断 x 是否小于等于 y。

12. assert pytest.approx(x, abs=delta)：判断 x 是否近似于某个值，可以指定允许的误差范围。

13. assert pytest.raises(Exception)：判断代码是否会抛出异常。

14. assert len(x) == n：判断 x 的长度是否等于 n。

15. assert isinstance(x, type)：判断 x 是否为某种类型。

什么是数据驱动测试?

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。

为什么要做数据驱动测试?

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。

怎么创建一个数据驱动自动化框架

DDT究竟怎么落地到实际的测试中呢？举个🌰，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。

login_data = [
    ('test001', 'test001@qq.com', '123456', '123456', '666', '验证码不正确'),
    ('test200', 'test009@qq.com', '123456', '123456', '111', '注册成功，点击确定进行登录。'),
]
​
@pytest.mark.parametrize('username,email,pwd,expected', login_data)
def test1_register(self, username, email, pwd, expected):
​
    self.driver.find_element(By.NAME, 'username').send_keys(username)
    self.driver.find_element(By.NAME, 'email').send_keys(email)
    self.driver.find_element(By.NAME, 'pwd').send_keys(pwd)
    self.driver.find_element(By.NAME, 'comfirmed').click()
    WebDriverWait(self.driver, 5).until(EC.alert_is_present())
    alert = self.driver.switch_to.alert
    assert alert.text == expected
    alert.accept()

数据驱动测试的最佳实践

1. 在数据驱动测试过程中，使用真实的数据是最理想的。

2. 测试流程应该在编写在测试脚本内。

3. 使用数据来驱动断言。

4. 测试数据要包含积极和消极的结果。

5. 将数据驱动的功能测试复用在其他形式的测试，如安全或者性能测试。

数据驱动的弊端

1. 测试的质量取决于实施团队的自动化技能。

2. 当测试脚本需要大量的数据时，数据验证的工作也会比较复杂。

3. 维护测试是一个大问题，因为数据驱动测试需要大量的编码。

4. 使用DDT完成测试脚本的开发需要比较高水平的coding能力。

5. 会产生很多文件。主要是与管理测试脚本和测试结果有关。