当前位置:网站首页>自动化测试之数据驱动DDT详细篇
自动化测试之数据驱动DDT详细篇
2022-07-30 13:27:00 【Gxy 正在努力】
引言
你是否有过这种感受,在做自动化测试过程中,不论是API 自动化测试还是UI 自动化测试,我们写测试脚本有很大一部分时间都是在准备数据(setUp)、清理数据(tearDown)。因为数据是做自动化测试的至关重要的一个环节。如此看来数据驱动真的十分重要。接下来分享的内容是:Unittest测试框架中常用的数据驱动框架:DDT 。
数据驱动
1、数据驱动是什么?
数据驱动,指在自动化测试中处理测试数据的方式。
通常测试数据与功能函数分离,存储在功能函数的外部位置。在自动化测试运行时,数据驱动框架会读取数据源中的数据,把数据作为参数传递到功能函数中,并会根据数据的条数多次运行同一个功能函数。
数据驱动的数据源可以是函数外的数据集合、CSV 文件、Excel 表格、TXT 文件,以及数据库等。
2、数据驱动的优点?
(1)、减少重复代码
通过以下实例来看下数据驱动是如何减少重复代码的。

如果不使用数据驱动时,并且同一个功能函数存在多个测试数据,你只能多次调用这个功能函数;另外一旦某一个测试数据有更改/删除,你需要在函数调用里去更改相应的测试数据,非常不方便。
如果使用测试驱动时,你的代码可能会是这样的:
# origin_data指向一个文件,这个文件里存储有你所有的测试数据。
origin_data = './tests/data/testdata.csv'
# dataDrivenDecorator是你实现数据驱动的装饰器
@dataDrivenDecorator(origin_data)
def test_ddt(user, pwd, num):
# 实际函数逻辑
pass这种情况下, 你无须进行多次调用,而且当你的测试数据发生改变时, 你仅需要更改数据源文件的数据就可以了。
(2)、数据所属的测试用例失败,不会影响到其他测试数据对应的测试用例
通过以下实例来看下是怎么不会影响到其他测试数据对应的测试用例的。
如果不使用数据驱动之前,假设有以下一个函数:
test_data = [0, 1, 0, 1]
def test_001(data):
for x in data:
assert x > 0
test_ddt(test_data)由执行结果可以看出,因为test_data 的第一个值是0, 它不大于0。所以断言失败,所有 test_data测试数据集中0后面的测试数据都没有执行。
如果有了数据驱动,则数据驱动会把这一个测试按照测试数据分解成多个测试,所以第一个测试数据失败也不会影响到后面的测试结果。
3、Python 中使用广泛的数据驱动框架有哪些?
DDT(Data-Driven Tests),通常结合Unittest 使用
parameterized,是Pytest 实现数据驱动的常用框架
DDT 包含哪些装饰器
1 个类装饰器
ddt 这个类装饰器必须装饰在TestCase 的子类上,TestCase 是Unittest 框架中的一个基类,它实现了Test Runner 驱动测试运行所需的接口(interface)。
2 个方法装饰器
分别是:data 和 file_data。
data 装饰器,直接提供测试数据;
file_data 装饰器则从 JSON 或 YAML 文件加载测试数据。
DDT 的使用步骤如下:
使用@ddt 装饰你的测试类;
使用@data 或者@file_data 装饰你需要数据驱动的测试方法;
如一组测试数据有多个参数,则需unpack,使用@unpack 装饰你的测试方法。
Python 安装DDT :
安装命令:pip install ddt或python -m pip install ddt
(1)、ddt 直接提供数据
from ddt import ddt, data, file_data, unpack
from selenium import webdriver
import unittest
import time
# ddt一定是装饰在TestCase的子类上
@ddt
class Baidu(unittest.TestCase):
def setUp(self):
self.driver = webdriver.Chrome()
self.driver.implicitly_wait(30)
self.base_url = "http://www.baidu.com/"
# data表示测试数据是直接提供的。
# unpack表示,对于每一组数据,如果它的值是list或者tuple,那么就分拆成独立的参数。
@data(['Testing', 'Testing'], ['hello_world.com','Testing'])
@unpack
def test_baidu_search(self, search_string, expect_string):
driver = self.driver
driver.get(self.base_url + "/")
driver.find_element_by_id("kw").send_keys(search_string)
driver.find_element_by_id("su").click()
time.sleep(2)
search_results = driver.find_element_by_xpath('//*[@id="1"]/h3/a').get_attribute('innerHTML')
print(search_results)
self.assertEqual(expect_string in search_results, True)
def tearDown(self):
self.driver.quit()
if __name__ == "__main__":
unittest.main(verbosity=2)在这个例子中,我直接使用了@data 装饰器。在这个装饰器中,我给出了测试的2 组数据,分别是 ['Testing', 'Testing'] 和 ['hello_world.com', 'Testing'];然后我使用 @unpack 装饰器把每一组数据的数据unpack 成一个个的参数传给我的函数 test_baidu_search。
当你运行上面代码,从结果中会发现虽然我们只有一个测试用例test_baidu_search。但在生成的测试报告里,显示“Run 2 tests in XX”,也就是test_baidu_search 运行了 2 次,这就是DDT 在起作用。
这是多组参数,每组多个数据的情况,如果每组仅有一个数据呢?你仅需要更改如下:
# 如仅有一个参数,那么直接在data里写参数就好。
# 仅有一个参数的情况下,无须再用@unpack装饰测试方法。
@data('data1', 'data2')(2)、ddt 使用函数提供数据
ddt 直接提供数据,除去上述的直接把数据写在@data() 的参数中外,还有一个情况,即数据先从函数获取,然后再写入@data() 的参数中。
from ddt import ddt, data, file_data, unpack
from selenium import webdriver
import unittest
import time
def get_test_data():
# 这里写你获取测试数据的业务逻辑。
# 获取到后,把数据返回即可。
# 注意,如果多组数据,需要返回类似([数据1-参数1, 数据1-参数2],[数据2-参数1, 数据2-参数2])这样的格式,方便ddt.data()解析
# 解析后返回的数据格式如下:
results = (['Testing', 'Testing'], ['hello_world.com', 'Testing'])
return results
# ddt一定是装饰在TestCase的子类上
@ddt
class Baidu(unittest.TestCase):
def setUp(self):
self.driver = webdriver.Chrome()
self.driver.implicitly_wait(30)
self.base_url = "http://www.baidu.com/"
# data表示data是直接提供的。注意data里的参数我写了函数get_test_data()的返回值,并且以*为前缀,代表返回的是可变参数。
# unpack表示,对于每一组数据,如果它的值是list或者tuple,那么就分拆成独立的参数。
@data(*get_test_data())
@unpack
def test_baidu_search(self, search_string, expect_string):
driver = self.driver
driver.get(self.base_url + "/")
driver.find_element_by_id("kw").send_keys(search_string)
driver.find_element_by_id("su").click()
time.sleep(2)
search_results = driver.find_element_by_xpath('//*[@id="1"]/h3/a').get_attribute('innerHTML')
print(search_results)
self.assertEqual(expect_string in search_results, True)
def tearDown(self):
self.driver.quit()
if __name__ == "__main__":
unittest.main(verbosity=2)在上述示例中,我创建了一个函数get_test_data() 用于获取我的测试数据。这个函数可以带参数,也可以不带参数,具体需要根据你的业务逻辑来。
注意:get_test_data() 的返回值,一定需要遵守ddt.data() 可接受的数据格式。
即:一组数据,每个数据为单个的值;多组数据,每组数据为一个列表或者一个字典。
(3)、ddt 使用文件提供数据:其他格式数据文件
因为 ddt 默认只支持 JSON 和 YAML 格式的数据。但是我想使用其他数据格式怎么办?
常用的方式有如下两种:
先读取其他格式的文件(例如 Excel 格式),然后创建 ddt 支持的 JSON 或者 YAML 文件,最后把获取到的数据写入这个文件,再使用 @file_data() 即可;
创建一个函数,在函数中读取其他格式的文件并获取数据,将数据直接返回为 @ddt.data() 支持的格式调用即可。
边栏推荐
- R语言向前或者向后移动时间序列数据(自定义滞后或者超前的期数):使用dplyr包中的lag函数将时间序列数据向后移动一天(设置参数n为负值)
- 【自校正控制】自校正PID
- 无代码开发平台应用可见权限设置入门教程
- AT4108 [ARC094D] Normalization
- 二手手机销量突破3亿部,与降价的iPhone夹击国产手机
- 【VMware虚拟机安装mysql5.7教程】
- Markdown 1 - 图文音视频等
- CF1320E Treeland and Viruses
- no matching host key type found. Their offer: ssh-rsa
- R语言使用方差分析ANOVA比较回归模型的差异、anova函数比较两个模型并报告它们是否存在显著差异(两个模型的数据相同,一个模型使用的预测特征包含另外一个模型的特征)
猜你喜欢
随机推荐
How to display an Excel table in the body of an email?
CF603E Pastoral Oddities
AT4108 [ARC094D] Normalization
666666
重保特辑|筑牢第一道防线,云防火墙攻防演练最佳实践
Learning notes - 7 weeks as data analyst "in the first week: data analysis of thinking"
一本通循环结构的程序设计题解(2)
学习笔记——七周成为数据分析师《第二周:业务》:业务分析指标
libudev 使用说明书
干货分享:小技巧大用处之Bean管理类工厂多种实现方式
EasyNVS cloud management platform function reconstruction: support for adding users, modifying information, etc.
05 | 后台登录:基于账号密码的登录方式(下)
一文读懂Elephant Swap,为何为ePLATO带来如此高的溢价?
Composer安装方式
R语言ggpubr包的ggboxplot函数可视化分组箱图、自定义移除可视化图像的特定对象(移除可视化图像轴坐标轴的刻度线标签文本、both x and y axis ticks labels)
cpu/CS and IP
机器学习——特征选择
CF603E Pastoral Oddities
二手手机销量突破3亿部,与降价的iPhone夹击国产手机
元宇宙的六大支撑技术









