pytest数据驱动

太过爱你忘了你带给我的痛 2024-03-26 10:43 51阅读 0赞

![在这里插入图片描述][2c93df8a2e3a4568bc79b19e4e051de2.jpeg_pic_center]

--------------------

#### 文章目录 ####

*  一、数据驱动概念
 *  二、数据驱动yaml
 *   *  1、yaml的基本语法：
     *  2、yaml支持的数据格式：
     *  3、安装
     *  4、使用
     *  5、读取方法
     *   *  a、目录结构
         *  b、yaml文件
         *  c、测试方法
         *  d、测试用例
         *  e、测试结果
 *  三、数据驱动excel
 *   *  1、安装导入
     *  2、操作
     *  3、读取方法
     *   *  a、目录结构
         *  b、excel文件
         *  c、测试方法
         *  d、测试用例
         *  e、测试结果
 *  四、数据驱动csv
 *   *  1、读取数据
     *  2、方法
     *   *  a、目录结构
         *  b、csv文件
         *  c、测试方法
         *  d、测试用例
         *  e、测试结果
 *  五、数据驱动json
 *   *  1、json格式：
     *  2、读取json文件
     *   *  a、目录结构
         *  b、json文件
         *  c、测试方法
         *  d、测试用例
         *  e、测试结果

## 一、数据驱动概念 ##

**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。简单来说，就是参数化的应用。数据量小的测试用例可以使用代码的参数化来实现数据驱动，数据量大的情况下建议大家使用一种结构化的文件(例如yaml，json，csv、excel等)来对数据进行存储,然后在测试用例中读取这些数据。**

## 二、数据驱动yaml ##

yaml是一种数据序列化格式，用于人类的可读性和与脚本语言的交互，一种被认为超越XML、json的配置文件。

### 1、yaml的基本语法： ###

> 大小写敏感  
> 使用缩进标识层级关系  
> 缩进时不允许使用tab键，只允许使用空格  
> 缩进的空格数目不重要，只要相同层级的元素左侧对齐即可  
> \#表示注释，从这个字符一直到行尾，都会被解析器忽略

### 2、yaml支持的数据格式： ###

> 对象(字典):键值对的集合，用冒号“:”表示  
> 数组（列表）:一组按次序排列的值，前加“-”  
> 纯量:单个的、不可再分的值  
> 字符串  
> 布尔值  
> 整数  
> 浮点数  
> Null  
> 时间  
> 日期

### 3、安装 ###

pip install pyyaml

### 4、使用 ###

datas：测试数据  
func：测试方法  
testcases：测试用例

### 5、读取方法 ###

yaml.safe\_load(file)

#### a、目录结构 ####

![在这里插入图片描述][787984e15e654a87bdc8a9a05795afd7.png]

#### b、yaml文件 ####

# [[1,1,2],[3,6,9],[100,200,300]]
    -
      - 1
      - 1
      - 3
    -
      - 3
      - 6
      - 9
    -
      - 100
      - 200
      - 300

#### c、测试方法 ####

#被测方法，相加功能
    def my_add3(x, y):
        result = x + y
        return result

#### d、测试用例 ####

**文件或者目录不可以创建为yaml关键字**

import pytest
    from testing_data.func.operation_yaml import my_add
    
    #用到yaml文件中的数据时，就需要读取出来
    
    # pip install pyyaml
    #todo 文件或者目录不可以创建为yaml关键字
    import yaml
    
    def get_data():
        #如果yaml文件有中文，必须加上excoding='utf-8'
        with open('../datas/data.yaml',encoding='utf-8') as f:
            data=yaml.safe_load(f)
        return data
    
    class TestWithYAML:
        @pytest.mark.parametrize('x,y,expected',get_data())
        def test_add(self, x, y, expected):
            assert my_add(int(x), int(y)) == int(expected)

#### e、测试结果 ####

![在这里插入图片描述][b70ac164ace24ccc938ed274c629cd8a.png]

## 三、数据驱动excel ##

### 1、安装导入 ###

pip install openpyxl
    import openpyxl

### 2、操作 ###

读取工作簿  
读取工作表  
读取单元格

### 3、读取方法 ###

> book=openpyxl.load\_workbook(‘文件路径’) :读取工作簿  
> sheet=book.active ：读取工作表  
> cells=sheet\[‘A1’:‘C3’\]  
> cell.value ：读取数据

#### a、目录结构 ####

![在这里插入图片描述][787984e15e654a87bdc8a9a05795afd7.png]

#### b、excel文件 ####

![在这里插入图片描述][7c16edbf19ca4f4cb460fff1319d84ce.png]

#### c、测试方法 ####

#被测方法，相加功能
    def my_add1(x, y):
        result = x + y
        return result

#### d、测试用例 ####

import openpyxl
    import pytest
    from testing_data.func.operation_excel import my_add1
    
    #用到excel文件中的数据时，就需要读取出来
    
    def test_get_excel():
        """
        解析Excel数据
        :return: [[1,1,2],[3,6,9],[100,200,300]]
        """
        #获取工作簿
        book=openpyxl.load_workbook('../datas/data.xlsx')
        #获取工作表sheet1
        sheet=book.active
        #读取数据
        cells=sheet['A1':'C3']
        print(cells)
        values=[]
        for row in cells:
            data=[]
            for cell in row:
                data.append(cell.value)
            values.append(data)
        print(values)
        return values
    
    
    class TestWithEXCEL:
        @pytest.mark.parametrize('x,y,expected',test_get_excel(),ids=[1,2,3])
        def test_add1(self, x, y, expected):
            assert my_add1(int(x), int(y)) == int(expected)

#### e、测试结果 ####

![在这里插入图片描述][2d3cc062f79c4449bbc7db924cee4926.png]

## 四、数据驱动csv ##

格式：逗号分隔值  
以纯文本形式存储数字和文本  
文件由任意数目的记录组成  
每行记录由多个字段组成

### 1、读取数据 ###

内置模块：import csv

### 2、方法 ###

raw=csv.reader(iterable)  
参数：iterable是一个可迭代对象；返回迭代器，每次迭代会返回一行数据

csv文件  
![在这里插入图片描述][b3a2e739d4ae46609da43acce52408a4.png]  
读取csv文件

import csv
    
    
    def get_csv():
        with open('demo.csv','r',encoding='utf-8') as file:
            raw=csv.reader(file)
            for line in raw:
                print(line)
    
    if __name__ == '__main__':
        get_csv()

读取结果：

['富强', '明主', '文明', '和谐']
    ['自由', '平等', '公正', '法制']
    ['爱国', '诚信', '敬业', '友善']

#### a、目录结构 ####

![在这里插入图片描述][787984e15e654a87bdc8a9a05795afd7.png]

#### b、csv文件 ####

![在这里插入图片描述][f436365cb9dd4b2c90838d4f8b474bd1.png]

#### c、测试方法 ####

#被测方法，相加功能
    def my_add2(x, y):
        result = x + y
        return result

#### d、测试用例 ####

import csv
    
    import pytest
    from testing_data.func.operation_csv import my_add2
    
    #用到csv文件中的数据时，就需要读取出来
    def get_csv():
        """
        读取csv文件中的数据
        :return: 格式：[[1,2,3],[3,6,9]]
        """
        with open('../datas/data.csv','r',encoding='utf-8') as file:
            raw=csv.reader(file)
            data=[]
            for line in raw:
                data.append(line)
        print(data)
        return data
    
    class TestWithCSV:
        @pytest.mark.parametrize('x,y,expected',get_csv())
        def test_add2(self, x, y, expected):
            assert my_add2(int(x), int(y)) == int(expected)

#### e、测试结果 ####

![在这里插入图片描述][6a41f6dc0e4249d79b0aef34210ee48a.png]

## 五、数据驱动json ##

### 1、json格式： ###

是一种轻量级的数据交换格式  
以键值对的格式存储数据，多个键值用逗号分割  
支持嵌套  
支持数组（列表）

{
        
      "name:": "study ",
      "detail": {
        
        "course": "python",
        "city": "北京"
      },
      "remark": [1000,666,888]
    }

### 2、读取json文件 ###

内置库：

import json

内置方法  
json.loads()  
json.dumps()

import json
    
    
    def get_json():
        with open('demo.json','r',encoding='utf-8') as file:
            data=json.loads(file.read())
            print(data,type(data))
    
            data1=json.dumps(data, ensure_ascii=False)
            print(data1,type(data1))
    
    if __name__ == '__main__':
        get_json()

读取结果

{
        'name:': 'study ', 'detail': {
        'course': 'python', 'city': '北京'}, 'remark': [1000, 666, 888]} <class 'dict'>
    {
        "name:": "study ", "detail": {
        "course": "python", "city": "北京"}, "remark": [1000, 666, 888]} <class 'str'>

#### a、目录结构 ####

![在这里插入图片描述][787984e15e654a87bdc8a9a05795afd7.png]

#### b、json文件 ####

{
        
      "case1": [1, 1, 2],
      "case2": [3, 6, 9],
      "case3": [100, 200, 300]
    }

#### c、测试方法 ####

#被测方法，相加功能
    def my_add3(x, y):
        result = x + y
        return result

#### d、测试用例 ####

import json
    import pytest
    from testing_data.func.operation_json import my_add3
    
    #用到json文件中的数据时，就需要读取出来
    def get_json():
        """
        读取json文件中的数据
        :return: 格式：[[1,2,3],[3,6,9]]
        """
        with open('../datas/data.json','r',encoding='utf-8') as file:
            data=json.loads(file.read())
            data_values=data.values()
            return list(data_values)
    
    
    class TestWithJson:
        @pytest.mark.parametrize('x,y,expected',get_json())
        def test_add3(self, x, y, expected):
            assert my_add3(int(x), int(y)) == int(expected)

#### e、测试结果 ####

![在这里插入图片描述][c142350517fb48098a7ca177e54b5f6c.png]

--------------------

![在这里插入图片描述][eff1f640038f49c1a0dd6cdef6927a2f.jpeg_pic_center]

[2c93df8a2e3a4568bc79b19e4e051de2.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b3a48c865ff04dbc84a57207a9208c3d.png
[787984e15e654a87bdc8a9a05795afd7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4e227fe668dc4e24a7a3f0426f6664be.png
[b70ac164ace24ccc938ed274c629cd8a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/24e6a9957d7741d29eb12c9d9229bec8.png
[7c16edbf19ca4f4cb460fff1319d84ce.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/73f64b435e154317a2f70b55368d8f66.png
[2d3cc062f79c4449bbc7db924cee4926.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/07ca30d686db4fe89749e523d77f7075.png
[b3a2e739d4ae46609da43acce52408a4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4265c3b48cd24a2b8675e4dc79568d4c.png
[f436365cb9dd4b2c90838d4f8b474bd1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/bb6be6ff2a37444487ae6c7599212c3d.png
[6a41f6dc0e4249d79b0aef34210ee48a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/f38862cb94934f018ca5e94378b7dc71.png
[c142350517fb48098a7ca177e54b5f6c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/e955b0b102ac482880a23df789feb302.png
[eff1f640038f49c1a0dd6cdef6927a2f.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b743aa1767754e2caae8df7ea3846515.png