【selenium学习】数据驱动测试

数据驱动

在 unittest 中，使用读取数据文件来实现参数化可以吗？当然可以。这里以读取 CSV

文件为例。创建一个 baidu_data.csv 文件，如图所示：

文件第一列为测试用例名称，第二例为搜索的关键字。接下来创建 test_baidu_data.py文件。

# _*_ coding:utf-8 _*_
"""
name:zhangxingzai
date:2023/3/19
"""

import csv
import codecs
import unittest
from time import sleep
from itertools import islice
from selenium import webdriver
from selenium.webdriver.common.by import By


class TestBaidu(unittest.TestCase):

    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Firefox()
        cls.base_url = "https://www.baidu.com"

    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()

    def baidu_search(self, search_key):
        self.driver.get(self.base_url)
        self.driver.find_element(By.ID, "kw").send_keys(search_key)
        self.driver.find_element(By.ID, "su").click()
        sleep(3)

    def test_search(self):
        with codecs.open('baidu_data.csv', 'r', 'utf_8_sig') as f:
            data = csv.reader(f)

            for line in islice(data, 1, None):
                search_key = line[1]
                self.baidu_search(search_key)


if __name__ == '__main__':
    unittest.main(verbosity=2)

这样做似乎没有问题，确实可以读取 baidu_data.csv 文件中的三条数据并进行测试，测

试结果如下：

根据结果看这样划分并不合理，比如，有 10 条数据，只要有 1 条数据执行失败，那么整个测试用

例就执行失败了。所以，10 条数据对应 10 条测试用例更为合适，就算其中 1 条数据的测

试用例执行失败了，也不会影响其他 9 条数据的测试用例的执行，并且在定位测试用例失

败的原因时会更加简单。修改代码如下：

# _*_ coding:utf-8 _*_
"""
name:zhangxingzai
date:2023/3/19
"""

import csv
import codecs
import unittest
from time import sleep
from itertools import islice
from selenium import webdriver
from selenium.webdriver.common.by import By


class TestBaidu(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Firefox()
        cls.base_url = "https://www.baidu.com"
        cls.test_data = []
        with codecs.open('baidu_data.csv', 'r', 'utf_8_sig') as f:
            data = csv.reader(f)
            for line in islice(data, 1, None):
                cls.test_data.append(line)

    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()

    def baidu_search(self, search_key):
        self.driver.get(self.base_url)
        self.driver.find_element(By.ID, "kw").send_keys(search_key)
        self.driver.find_element(By.ID, "su").click()
        sleep(3)

    def test_search_selenium(self):
        self.baidu_search(self.test_data[0][1])

    def test_search_unittest(self):
        self.baidu_search(self.test_data[1][1])

    def test_search_parameterized(self):
        self.baidu_search(self.test_data[2][1])


if __name__ == '__main__':
    unittest.main(verbosity=2)

优化后用setUpClass() 方法读取 baidu_data.csv 文件，并将文件中的数据存储到

test_data 数组中。分别创建不同的测试方法使用 test_data 中的数据，测试结果如下：

从测试结果可以看到，3 条数据被当作 3 条测试用例执行了。那么是不是就完美解决

了前面的问题呢？接下来，需要思考一下，读取数据文件带来了哪些问题？

（1）增加了读取的成本。不管什么样的数据文件，在运行自动化测试用例前都需要将

文件中的数据读取到程序中，这一步是不能少的。

（2）不方便维护。读取数据文件是为了方便维护，但事实上恰恰相反。在 CSV 数据文

件中，并不能直观体现出每一条数据对应的测试用例。而在测试用例中通过 test_data[0][1]

方式获取数据也存在很多问题，如果在 CSV 文件中间插入了一条数据，那么测试用例获取

到的测试数据很可能就是错的。

如果在测试过程中需要用很多数据怎么办？我们知道测试脚本并不是用来存放数据的

地方，如果待测试的数据很多，那么全部放到测试脚本中显然并不合适。

在回答这个问题之前，先思考一下什么是 UI 自动化测试？UI 自动化测试是站在用户

的角度模拟用户的操作。那么用户在什么场景下会输入大量的数据呢？其实输入大量数据

的功能很少，如果整个系统都需要用户重复或大量地输入数据，那么很可能是用户体验做

得不好！大多数时候，系统只允许用户输入用户名、密码和个人信息，或搜索一些关键字

等。

假设我们要测试用户发文章的功能，这时确实会用到大量的数据。

那么读取数据文件是不是就完全没必要了呢？当然不是，比如一些自动化测试的配置

就可以放到数据文件中，如运行环境、运行的浏览器等，放到配置文件中会更方便管理。

DDT（Data-Driven Tests）

DDT是针对 unittest 单元测试框架设计的扩展库。允许使用不同的测试数据来运行一个测试用例，并将其展示为多个测试用例。

GitHub 地址：https://github.com/datadriventests/ddt。

DDT 支持 pip 安装。

pip install ddt

以百度搜索为例，来看看 DDT 的用法。创建 test_baidu_ddt.py 文件

# _*_ coding:utf-8 _*_
"""
name:zhangxingzai
date:2023/3/19
"""

import unittest
from time import sleep
from selenium import webdriver
from selenium.webdriver.common.by import By
from ddt import ddt, data, file_data, unpack


@ddt
class TestBaidu(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Firefox()
        cls.base_url = "https://www.baidu.com"

    def baidu_search(self, search_key):
        self.driver.get(self.base_url)
        self.driver.find_element(By.ID, "kw").send_keys(search_key)
        self.driver.find_element(By.ID, "su").click()
        sleep(3)

    # 参数化使用方式一
    @data(["case1", "selenium"], ["case2", "ddt"], ["case3", "python"])
    @unpack
    def test_search1(self, case, search_key):
        print("第一组测试用例：", case)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    # 参数化使用方式二
    @data(("case1", "selenium"), ("case2", "ddt"), ("case3", "python"))
    @unpack
    def test_search2(self, case, search_key):
        print("第二组测试用例：", case)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    # 参数化使用方式三
    @data({"search_key": "selenium"}, {"search_key": "ddt"}, {"search_key": "python"})
    @unpack
    def test_search3(self, search_key):
        print("第三组测试用例：", search_key)

        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()


if __name__ == '__main__':
    unittest.main(verbosity=2)

使用 DDT 需要注意以下几点：

首先，测试类需要通过@ddt 装饰器进行装饰。

其次，DDT 提供了不同形式的参数化。这里列举了三组参数化，第一组为列表，第二

组为元组，第三组为字典。需要注意的是，字典的 key 与测试方法的参数要保持一致。

执行结果如下：

DDT 同样支持数据文件的参数化。它封装了数据文件的读取，让我们更专注于数据文

件中的内容，以及在测试用例中的使用，而不需要关心数据文件是如何被读取进来的。

首先，创建 ddt_data_file.json 文件：

{
 "case1": {"search_key": "python"},
 "case2": {"search_key": "ddt"},
 "case3": {"search_key": "Selenium"}
}

在测试用例中使用 test_data_file.json 文件参数化测试用例，在 test_baidu_ddt.py 文件中

增加测试用例数据。代码如下：

# _*_ coding:utf-8 _*_
"""
name:zhangxingzai
date:2023/3/19
"""

import unittest
from time import sleep
from selenium import webdriver
from selenium.webdriver.common.by import By
from ddt import ddt, data, file_data, unpack


@ddt
class TestBaidu(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Firefox()
        cls.base_url = "https://www.baidu.com"

    def baidu_search(self, search_key):
        self.driver.get(self.base_url)
        self.driver.find_element(By.ID, "kw").send_keys(search_key)
        self.driver.find_element(By.ID, "su").click()
        sleep(3)

    # 参数化使用方式一
    @data(["case1", "selenium"], ["case2", "ddt"], ["case3", "python"])
    @unpack
    def test_search1(self, case, search_key):
        print("第一组测试用例：", case)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    # 参数化使用方式二
    @data(("case1", "selenium"), ("case2", "ddt"), ("case3", "python"))
    @unpack
    def test_search2(self, case, search_key):
        print("第二组测试用例：", case)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    # 参数化使用方式三
    @data({"search_key": "selenium"}, {"search_key": "ddt"}, {"search_key": "python"})
    @unpack
    def test_search3(self, search_key):
        print("第三组测试用例：", search_key)

        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    # 参数化读取 JSON 文件
    @file_data('ddt_data_file.json')
    def test_search4(self, search_key):
        print("第四组测试用例：", search_key)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()


if __name__ == '__main__':
    unittest.main(verbosity=2)

注意，ddt_data_file.json 文件需要与 test_baidu_ddt.py 放在同一目录下面，否则需要指

定 ddt_data_file.json 文件的路径。

除此之外，DDT 还支持 yaml 格式的数据文件。创建 ddt_data_file.yaml 文件：

case1:
 - search_key: "python"
case2:
 - search_key: "ddt"
case3:
 - search_key: "unittest"

在 test_baidu_ddt.py 文件中增加测试用例：

以上省略。。。
# 参数化读取 yaml 文件
    @file_data('ddt_data_file.yaml')
    def test_search5(self, case):
        search_key = case[0]["search_key"]
        print("第五组测试用例：", search_key)
        self.baidu_search(search_key)
        self.assertEqual(self.driver.title, search_key + "_百度搜索")

这里的取值与上面的 JSON 文件有所不同，因为每一条用例都被解析为[{'search_key':

'python'}]，所以要想取到搜索关键字，则需要通过 case[0]["search_key"]的方式获取。

注意：这里有可能读取yaml文件夹失败，程序执行报错，可以安装PyYAML库修复。

pip install PyYAML