前置知识点
相信做自动化测试的小伙伴们都知道数据驱动的好处，但是要知道怎么用之外 还是要了解下它是怎么工作的，了解了之后就可以改造ddt以更适合自己的需要
装饰器
首先要了解装饰器，因为ddt本身就是一个装饰器，它装饰了你的测试类和测试方法。装饰器有啥用呢，比如你封装了selenium的一些定位的方法，在执行的过程中打印出每个方法的传入参数，在每个方法的第一行都加上logging？太繁琐了吧，这个时候写一个打印日志的装饰器就可以搞定这个问题：如下：
装饰器：
```
def logging_wrapper(func):
def wrapper(self, *args, **kwargs):
if args:
logging.debug('请求参数：{}‘.format(args[0]))
return func(self, *args, **kwargs)
return wrapper
class MyTest():
@logging_wrapper
def func(self, a,b):
pass
```
当然还可以在里面加上捕获异常等等，可以理解为就是把函数当作参数传给了另一个函数。我们只需要知道怎么用和它的大致原理，不必钻研太深，如果要再多了解一些，有很多文章都写的比较好，就不赘述了。
反射
第二个知识点就是getattr setattr和delattr的使用了，众所周知，在python中 一切皆对象；那么获取 新增/修改和删除对象的属性怎么做呢，这三个内置函数就可以搞定。
```
class MyTest():
def test1(self):
pass
```
```
# 获取属性：
a=getattr(MyTest, 'test1')
# 新增属性:
setattr(MyTest, 'b', 'abc')
# 删除属性
delattr(MyTest, 'b)
```
另外结合__import__和inspect可以动态导入测试类或者业务的封装方法，多操作步骤的顺序执行；具体的后面再说
源码分析
ddt就一个py文件，先找到入口ddt函数，
```
def ddt(cls):
for name, funcin list(cls.__dict__.items()):
if hasattr(func, DATA_ATTR):
for i, v in enumerate(getattr(func, DATA_ATTR)):
test_name= mk_test_name(name, getattr(v, "__name__", v), i)
test_docstring= getattr(v, "__doc__", None)
if hasattr(func, UNPACK_ATTR):
if isinstance(v, tuple) or isinstance(v, list):
add_test(cls, test_name, test_docstring, func, *v)
else:
# unpack dictionary
add_test(cls, test_name, test_docstring, func, **v)
else:
add_test(cls, test_name, test_docstring, func, v)
delattr(cls, name)
elif hasattr(func, FILE_ATTR):
file_attr= getattr(func, FILE_ATTR)
process_file_data(cls, name, func, file_attr)
delattr(cls, name)
return cls
```
第一步：循环获取cls的所有方法，判断方法是否有DATA_ATTR或者FILE_ATTR属性；看过ddt是怎么使用，数据驱动的数据有两种形式：列表和json/yaml文件。而且会排除没有被装饰的方法
第二步：有DATA_ATTR或者FILE_ATTR属性的方法，会用被装饰的方法的name加index之类拼接出新的测试方法的name，即mk_test_name就是生成name的
第三步：add_test给cls增加新的测试方法，看下add_test的定义，使用了一个feed_data来实现增加测试方法,假如数据是五份测试数据，就会依次增加五个测试方法
第四部：删除原始的测试方法