Python 數據驅動ddt 使用

准備工作： pip install ddt

 

知識點：

 

一，數據驅動和代碼驅動：

 

數據驅動的意思是  根據你提供的數據來測試的  比如 ATP框架 需要excel里面的測試用例

 

代碼驅動是必須得寫代碼 它才能測試 比如說unittest 

 

二，使用數據驅動框架的意義：
- 代碼復用率高。同一測試邏輯編寫一次，可以被多條測試數據復用，提高了測試代碼的復用率，同時可以提高測試腳本的編寫效率。
- 異常排查效率高。測試框架依據測試數據，每條數據生成一條測試用例，用例執行過程相互隔離，在其中一條失敗的情況下，不會影響其他的測試用例。

 

-代碼的可維護性高。清晰的測試框架，利於其他測試工程師閱讀，提高了代碼的可維護性。

 

tips : 參數少的用yml挺好  參數多的，用json xx.json 格式  這種上下有依賴關系的 就寫py文件  

 

文件名.json的話是json文件里面要寫json串

 

yml每個接口都是獨立運行的  

 

 DDT 使用

DDT包含類的裝飾器ddt和兩個方法裝飾器data（直接輸入測試數據），file_data（可以從json或者yaml中獲取測試數據）

只有yaml和yml結尾的文件以yaml形式上傳，其他情況下默認為json

通常情況下，data中的數據按照一個參數傳遞給測試用例，如果data中含有多個數據，以元組，列表，字典等數據，需要自行在腳本中對數據進行分解或者使用unpack分解數據

@data(a,b)

那么a和b各運行一次用例

@data([a,b],[c,d])

如果沒有unpack，那么[a,b]當成一個參數傳入用例運行

如果有unpack，那么[a,b]被分解開，按照用例中的兩個參數傳遞

@file_data(filename)

對於json的文件，每一個json元素按照一個用例運行，可以依照python分解元組，列表或者字典的方式分解傳入

實例：

import ddt
import unittest
# print(dir(ddt))

@ddt.ddt
class MyCase(unittest.TestCase):
    @ddt.data(1,2)  #運行2次
    def testa(self,value):
        print(value)

    @ddt.data([1,2]) #運行1次
    def testb(self,value):
        print(value)

    @ddt.data([1,2],[3,4]) #不加unpack 會報錯
    def testc(self,a,b):
        self.assertNotEqual(a,b)

    @ddt.data([1,2],[3,4]) #運行2次
    @ddt.unpack
    def testd(self,a,b):
        self.assertNotEqual(a,b)

if __name__ == '__main__':
    unittest.main()