一、DDT介绍
1. 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
2. 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。
3. 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。
4. 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。
二、使用方法
DDT组成:一个类装饰器ddt;两个方法装饰器data(直接输入测试数据)、file_data(从json或yaml中加载测试数据)
方法使用小结:
-
@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,那么[a,b]当成一个参数传入用例运行; 如果有unpack,那么[a,b]被分解开,按照用例中的两个参数传递 -
@file_data(filename)
:对于json的文件,每一个json元素按照一个用例运行
1. ddt.ddt:
装饰测试类,也就是继承自TestCase的类。告诉ddt这个测试用例类要使用数据驱动。
2. ddt.data:
装饰测试方法。data中的数据类型包含单个值,元组,列表和字典。
data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。
3. ddt.file_data:
装饰测试方法。从json或yaml中加载测试数据,参数是文件名。只有以“.yml” 和 “.yaml” 结尾的文件被加载为Yaml文件。所有其他格式文件都作为json文件加载。
4. ddt.unpack:
装饰测试方法。作用:分割元素。传递的是复杂的数据结构时使用。
如:添加unpack之后,ddt会自动把data中的元组或者列表对应到测试用例方法的多个参数上。字典对应到多个关键字参数上,注意字典的key和用例方法定义的参数名需要保持一致。
三、使用示例
1. data直接放入数值
需要导入ddt包,然后再TestCase类上用@ddt进行装饰,测试方法上用@data()装饰。
import unittest from ddt import ddt, data @ddt # 等同于代码:MyTest = ddt(MyTest),类名传给ddt,告诉ddt这个测试用例类要使用数据驱动 class MyTest(unittest.TestCase): @data('数据1', '数据2') # 传递多个参数,一个参数作为一条测试数据被传递给下面的参数a # @data({"a": "1", "b": 2}) # 传递字典类的序列类型的数据,data会当作为一条数据 # @data((1, 2)) # 传递元组,同字典 def test(self, a): print(a) if __name__ == '__main__': unittest.main(verbosity=2) # verbosity是一个选项,表示测试结果的信息复杂度。2: 会显示每个测试用例的相关信息
-
在data中传递多个参数时,输出如下:
可以看到上面只写了1个测试方法,但是最后执行了2个用例。使用ddt后,会产生一个新的测试用例方法名:测试用例方法名_ordinal_data
-
ordinal:整数,从1开始递加。
-
data:如果传递过来的数据存在
__name__
属性,则data就是这个__name__
值。如果未定义__name__
属性,ddt会尽量将传递过来的数据转化为python标识符,作为data显示。如(3,2)就转化为3_2。需要注意的是,如果数据是字典,则这里就是字典的key。
-
在data中传递元组时,输出如下:
2. data放入复杂的数据结构
先看下面这个错误用法,运行后会报错:test01() missing 1 required positional argument: 'b'
:
import unittest from ddt import ddt, data, unpack @ddt class MyTest(unittest.TestCase): @data([1, 2], [3, 4]) # 这里没有解包,两个列表都作为测试数据传递给a,而b没有传入任何参数,所以会报错 def test01(self, a, b): print(a, b) if __name__ == '__main__': unittest.main(verbosity=2)
让列表中的两个值对应到测试用例方法中的参数,加上@unpack即可,如下:
@ddt class MyTest(unittest.TestCase): @data([1, 2], [3, 4]) @unpack # 有了unpack,[1,2]会被分解开,按照用例中的两个参数传递 def test01(self, a, b): print(a, b)
加入了@unpack后,如果@data中传入的是字典时,字典的key和用例方法定义的参数名需要保持一致,否则会报错。示例如下:
@ddt class MyTest(unittest.TestCase): @data({"key1": '1', "key2": "10"}, {"key1": '2', "key2": "20"}) @unpack # 有了unpack,[1,2]会被分解开,按照用例中的两个参数传递 def test01(self, key1, key2): print(key1, key2)
3. fila_data传入json文件
json文件中如果需要传入多组数据进行测试,可以写一个列表,然后列表里面包含多个json串。如下面的文件 json_file:
[ { "data": [1, 2, 3], "message": "good!" }, { "data": [4, 5, 6], "message": "amazing!" } ]
测试用例的方法如下:
@ddt class MyTest(unittest.TestCase): @file_data("json_file") # 这里没用unpack,但json的key和用例方法定义的参数名需要保持一致 def test01(self, data, message): print(data, message)
注意:json的key和用例方法定义的参数名需要保持一致