DDT数据驱动测试

简单介绍

DDT（Date Driver Test），所谓数据驱动测试，简单来说就是由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。通过使用数据驱动测试的方法，可以在需要验证多组数据测试场景中，使用外部数据源实现对输入输出与期望值的参数化，避免在测试中使用硬编码的数据，也就是测试数据和用例脚本代码分离。

​ DDT它其实就是一个装饰器，它会根据你传递进来的数据来决定要生成几个测试用例。

 使用的意义

1.代码复用率高：一个测试逻辑只需要写一次，可以多条测试数据复用，同时提高测试脚本的编写效率。

2.异常排查效率高：根据测试数据，每条数据生成一条测试用例，用例相互分离，一条失败的情况下不会影响其他测试用例。

3.代码可维护性高：简洁明了的测试框架，利于其他同事阅读，提高代码的可维护性。

安装及导入

​ cmd命令行执行安装：pip install ddt

​ 直接导入到模块：import ddt，或导入具体的装饰器：from ddt import ddt, data, unpack

ddt使用详解

​ 三个要点：

• @ddt：装饰测试类
• @data：装饰测试用例
• @unpack：装饰测试用例

要使用ddt的前提是要有测试用例类，然后用@ddt去装饰测试用例类，用@data(测试数据)去装饰测试用例，如下登录接口例子：

2. from ddt import ddt, data

4. from common.read_excel import ReadExcel

6. from common.my_logger import log

10. @ddt # 装饰登录测试用例类，声明使用ddt

12. class LoginTestCase(unittest.TestCase):

15. excel = ReadExcel("cases.xlsx", "login")

17. cases = excel.read_data()

20. @data(*cases) # 装饰测试用例

22. def test_login(self, case):

24. case_data = eval(case["data"])

26. expected = eval(case["expected"])

28. case_id = case["case_id"]

30. result = login_check(*case_data)

32. response = self.http.send(url=url, method=method, json=data, headers=headers)

34. result = response.json()

36. try:

38. self.assertEqual(expected["code"], result["code"])

40. self.assertEqual((expected["msg"]), result["msg"])

42. except AssertionError as e:

44. log.info("用例：{}--->执行未通过".format(case["title"]))

46. print("预期结果：{}".format(expected))

48. print("实际结果：{}".format(result))

50. raise e

52. else:

54. log.info("用例：{}--->执行通过".format(case["title"]))

58. if __name__ == '__main__':

60. unittest.main()

3. @ddt它做的事情其实就等同于这句代码：

5. LoginTestCase = ddt(LoginTestCase)

7. ，把具体的类名传给ddt，告诉ddt是这个测试用例类要使用数据驱动。

@data做的事情就是把测试数据作为一个参数传递给测试用例，一个数据对应生成一条测试用例，如果data里面有多个数据那么就对应生成多条测试用例。如果data里放的类似是元组、列表等这样的序列类型的数据，data会把他们当成是一个整体，即一个测试数据。

​ 如果想一次传递多个参数给测试用例，需要自行在脚本中对数据进行分解或者使用@unpack分解数据。如上例子中的测试用例，只使用了一个参数，但这个参数case是一个字典，字典中已经包含多个数据，直接用key获取对应的值即可。@unpack则是可以把序列类型的数据拆分为多个，以多个参数传给测试用例，但测试用例也需要定义同等数量的参数来接收。

​ 上面例子的测试数据cases来源是使用了openpyxl来读取excel中的测试数据的，关于openpyxl可以看我这个系列的另外一篇随笔。这里直接说明cases其实就是像下面这样的一个列表：

python

2. cases = [{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}, {'case_id': 2, 'title': '密码错误', 'data': '("test", "123")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}, {'case_id': 3, 'title': '账户名错误', 'data': '("test11", "Test1234")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}]

5. # *解包后，一个字典就是一个测试用例数据

7. # 如第一个字典：{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}

​ 通过*解包，它的数据就是3个字典，每次给测试用例传入1个字典，而这个字典里就存放了一条完整的登录接口测试用例的测试数据，包括用例id、用例标题、测试的账号密码、期望返回的结果。

 小结：

• @data(a,b)：a和b各运行一次用例
• @data(*(a,b)：a和b各运行一次用例，使用*解包，相当于@data(a,b)
• @data([a,d],[c,d])

1. 如果没有@unpack[a,b]、[c,d]都会被当成一个参数传入用例，即用[a,b]运行一次，用[c,d]运行一次；
2. 如果有@unpack，[a,b]会被分解开，一次传递两个参数给用例，用例需要定义两个参数接收
3. @unpack可适用元组、列表或字典，但当传入的是字典时，字典的key和用例定义的参数名需要保持一致

扩展

​ 关键代码：@file_data，传递文件(json/yaml)

2. # 传递json

4. """

6. json文件数据

8. {

10. "token":123456,

12. "actionName": "api.login",

14. "content": {

16. "user": "miki",

18. "pwd": "Test123"

20. }

22. }

24. """

26. """

28. yaml文件

30. test_list:

32. - 11

34. - 22

36. - 12

38. sorted_list: [ 11, 12, 22 ]

40. """

42. from ddt import *

46. @ddt # 声明使用ddt

48. class TestFile(unittest.TestCase):

51. @file_data('D:/test/test.json')

53. def test_json(self, json_data):

55. print(json_data)

58. @file_data('D:/test/test.yaml')

60. def test_yaml(self, yaml_data):

62. print("yaml", yaml_data)

总结：

感谢每一个认真阅读我文章的人！！！

作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助。

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 

          视频文档获取方式：
这份文档和视频资料，对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！以上均可以分享，点下方小卡片即可自行领取。