python----数据驱动ddt的使用

一、安装ddt
pip install ddt

二、数据驱动和代码驱动
数据驱动:根据你提供的数据来进行测试,比如接口自动化测试框架ATP
代码驱动:必须得写代码才能测试,比如unittest

三、使用数据驱动框架的好处
--代码复用率高,同一测试逻辑编写一次,可以被多条测试数据复用,提高了测试代码的复用率,同时可以提高测试脚本的编写效率
--异常排查效率高,测试框架依据测试数据,每条数据生成一条测试用例,用例执行过程相互隔离,在其中一条失败的情况下,不会影响其他的测试用例
--代码的可维护性高,清晰的测试框架,利于其他测试工程师阅读,提高了代码的可维护性

四、DDT的使用
DDT包含类的装饰器ddt和两个方法装饰器data(直接输入测试数据),file_data(可以从json或yaml文件中获取测试数据)
只有以yaml 和yml结尾的文件是以yaml的形式上传测试数据,其他情况默认为json
通常情况下,data中的数据按照一个参数传递给测试数据,如果data中包含多个数据,是以元祖、列表、字典等数据类型,需要自行在脚本中对数据进行分解或者使用unpack分解数据
@data(a,b)
那么a和b各运行一次测试用例

@data([a,b],[c,d])
如果没有用unpack解析,则[a,b]会被当成一个参数传入用例中运行
如果有用unpack解析,则[a,b]中a和b会被分解开,按照两个参数传入用例中运行

@file_data(filename)
对于json文件,每一个json元素按照一条测试用例运行,可以依据python分解元祖、列表或字典的方式分解传入

import ddt
import unittest

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

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

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

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

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

 




 

转载于:https://www.cnblogs.com/yttbk/p/10169753.html

你可能感兴趣的:(测试,json,python)