python接口自动化之DDT数据驱动测试

客官°小女子只卖身不卖艺 2024-03-22 18:24 59阅读 0赞

## 前言 ##

今天笔者想给大家来聊聊[python接口自动化][python]中DDT数据如何驱动测试，废话就不多说了，直接进入主题。

![d1345acf53f94c6b9b497d6427f2b9dc.png][]

### 一、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。

### 二、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。

### 三、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

##  ##

### 四、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，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

## 五、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)

## 总结 ##

今天的文章就到这里了，希望能够帮助到大家，喜欢的小伙伴可以点赞收藏评论加关注哟，笔者会不定时的在文章后面放一些福利和小惊喜哟，喜欢的一定记得点赞哟。

![f40eefae77db44d3946bad044d0e40fc.png][]

[python]: https://so.csdn.net/so/search?q=python%E6%8E%A5%E5%8F%A3%E8%87%AA%E5%8A%A8%E5%8C%96&spm=1001.2101.3001.7020
[d1345acf53f94c6b9b497d6427f2b9dc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/f0f0cb1a7ae5484d81f72faa3cbfce07.png
[f40eefae77db44d3946bad044d0e40fc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/18/3e6f4fc1f3d7402e977f2cbcddfb892d.png