如果想从头学起接口自动化测试,可以去看看这个系列的文章哦!
https://www.cnblogs.com/miki-peng/category/1671261.html
简单介绍
DDT(Date Driver Test),所谓数据驱动测试,简单来说就是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,避免在测试中使用硬编码的数据,也就是测试数据和用例脚本代码分离。
DDT它其实就是一个装饰器,它会根据你传递进来的数据来决定要生成几个测试用例。
使用的意义
1.代码复用率高:一个测试逻辑只需要写一次,可以多条测试数据复用,同时提高测试脚本的编写效率。
2.异常排查效率高:根据测试数据,每条数据生成一条测试用例,用例相互分离,一条失败的情况下不会影响其他测试用例。
3.代码可维护性高:简洁明了的测试框架,利于其他同事阅读,提高代码的可维护性。
安装及导入
cmd命令行执行安装:pip install ddt
直接导入到模块:import ddt
,或导入具体的装饰器:from ddt import ddt, data, unpack
ddt使用详解
三个要点:
@ddt
:装饰测试类@data
:装饰测试用例@unpack
:装饰测试用例
要使用ddt的前提是要有测试用例类,然后用@ddt
去装饰测试用例类,用@data(测试数据)
去装饰测试用例,如下登录接口例子:
from ddt import ddt, data
from common.read_excel import ReadExcel
from common.my_logger import log
@ddt # 装饰登录测试用例类,声明使用ddt
class LoginTestCase(unittest.TestCase):
excel = ReadExcel("cases.xlsx", "login")
cases = excel.read_data()
@data(*cases) # 装饰测试用例
def test_login(self, case):
case_data = eval(case["data"])
expected = eval(case["expected"])
case_id = case["case_id"]
result = login_check(*case_data)
response = self.http.send(url=url, method=method, json=data, headers=headers)
result = response.json()
try:
self.assertEqual(expected["code"], result["code"])
self.assertEqual((expected["msg"]), result["msg"])
except AssertionError as e:
log.info("用例:{}--->执行未通过".format(case["title"]))
print("预期结果:{}".format(expected))
print("实际结果:{}".format(result))
raise e
else:
log.info("用例:{}--->执行通过".format(case["title"]))
if __name__ == '__main__':
unittest.main()
@ddt
它做的事情其实就等同于这句代码:LoginTestCase = ddt(LoginTestCase)
,把具体的类名传给ddt,告诉ddt是这个测试用例类要使用数据驱动。
@data
做的事情就是把测试数据作为一个参数传递给测试用例,一个数据对应生成一条测试用例,如果data里面有多个数据那么就对应生成多条测试用例。如果data里放的类似是元组、列表等这样的序列类型的数据,data会把他们当成是一个整体,即一个测试数据。
如果想一次传递多个参数给测试用例,需要自行在脚本中对数据进行分解或者使用@unpack
分解数据。如上例子中的测试用例,只使用了一个参数,但这个参数case是一个字典,字典中已经包含多个数据,直接用key获取对应的值即可。@unpack
则是可以把序列类型的数据拆分为多个,以多个参数传给测试用例,但测试用例也需要定义同等数量的参数来接收。
上面例子的测试数据cases来源是使用了openpyxl来读取excel中的测试数据的,关于openpyxl可以看我这个系列的另外一篇随笔。这里直接说明cases其实就是像下面这样的一个列表:
cases = [{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}, {'case_id': 2, 'title': '密码错误', 'data': '("test", "123")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}, {'case_id': 3, 'title': '账户名错误', 'data': '("test11", "Test1234")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}]
# *解包后,一个字典就是一个测试用例数据
# 如第一个字典:{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}
通过*解包,它的数据就是3个字典,每次给测试用例传入1个字典,而这个字典里就存放了一条完整的登录接口测试用例的测试数据,包括用例id、用例标题、测试的账号密码、期望返回的结果。
小结:
- @data(a,b):a和b各运行一次用例
- @data(*(a,b):a和b各运行一次用例,使用*解包,相当于@data(a,b)
- @data([a,d],[c,d])
- 如果没有
@unpack
[a,b]、[c,d]都会被当成一个参数传入用例,即用[a,b]运行一次,用[c,d]运行一次; - 如果有
@unpack
,[a,b]会被分解开,一次传递两个参数给用例,用例需要定义两个参数接收 @unpack
可适用元组、列表或字典,但当传入的是字典时,字典的key和用例定义的参数名需要保持一致
- 如果没有
扩展
关键代码:@file_data
,传递文件(json/yaml)
# 传递json
"""
json文件数据
{
"token":123456,
"actionName": "api.login",
"content": {
"user": "miki",
"pwd": "Test123"
}
}
"""
"""
yaml文件
test_list:
- 11
- 22
- 12
sorted_list: [ 11, 12, 22 ]
"""
from ddt import *
@ddt # 声明使用ddt
class TestFile(unittest.TestCase):
@file_data('D:/test/test.json')
def test_json(self, json_data):
print(json_data)
@file_data('D:/test/test.yaml')
def test_yaml(self, yaml_data):
print("yaml", yaml_data)