据说这是最细滴，Python接口自动化测试数据驱动DDT使用实战，有这一篇就完全足够了

---

前言

环境准备
首先，需要安装ddt模块

pip install ddt

调用时标准格式
在类下面如下写上：@ddt.ddt
在调用的方法下面需要写上：@ddt.data(需要传入的多组数据)

DDT简单介绍
名称： Data-Driven Tests，数据驱动测试。
作用： 由外部数据集合来驱动测试用例的执行。
核心的思想：数据和测试代码分离。
应用场景： 一组外部数据来执行相同的操作。
优点： 当测试数据发生大量变化的情况下，测试代码可以保持不变。
实际项目： excel存储测试数据，ddt读取测试数据到单元测试框架（测试用例中），输出到html报告。

一、数据驱动

就是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。说的直白些，就是参数化的应用。

实现方式
老的实现方式中，对测试结果的解析和校验都是在各个 case 中做的， case 层的处理的逻辑较为混杂，可读性不强

新的实现方式中，case 层只需要调用下结果校验的方法，逻辑清晰

工具
数据驱动在自动化中起到了一个很重要的作用。它实现了一条case，多次执行。很多的接口测试工具，也都把数据驱动利用的淋漓尽致。就拿我们最熟悉的jmeter来说。它的数据驱动是依靠CSV文件（一种通用文本格式。常用于数据之间的转换。

一行就是一条数据，数据中多个值用“,”分割。）设置的，通过编写CSV表格，然后设置好对应的参数。在接口中调用这些参数所属的变量。即可实现数据驱动。

二、传递基础数据类型

  # 导入ddt库下所有内容
  from ddt import *
  # 在测试类前必须首先声明使用 ddt
  @ddt
  class imoocTest(unittest.TestCase):
	  # int
	  @data(1, 2, 3, 4)
	  def test_int(self, i):
		  print("test_int：", i)
	  # str
	  @data("1", "2", "3")
	  def test_str(self, str):
		  print("test_str：", str)

测试结果

test_int： 1
test_int： 2
test_int： 3
test_int： 4
test_str： 1
test_str： 2</