DDT,数据驱动测试,是 “Data-Driven Tests”的缩写。
引入ddt测试必要性
数据驱动测试,可以实现一个测试方法随着入参的不同,从而实现不同场景的用例测试。相比较单独一个测试方法实现一个测试用例,无论在代码的维护上,执行效率上,都有显著的提高。
举个栗子,我最近在写一个筛选接口,入参有3个维度,每个维度分别有4个、3个、4个。如果我按以往的方法写,一个测试方法只测试一种场景,我需要写4x3x4=48 个测试方法才能遍历所有场景。显然,只是参数的不同,同一个方法,需要写48次,会很浪费时间。如果引入ddt数据驱动,就可以用一个测试方法,以参数组合传入的方式,就可以很快完成48个测试用例。
ddt 使用方法
python 的unittest 没有自带数据驱动功能。
如果使用unittest,同时又想使用数据驱动,可以使用DDT来完成。
ddt是第三方模块,使用ddt需要先安装,使用pip install ddt 完成安装。
DDT由一个类装饰器ddt(用于您的TestCase子类)和两个方法装饰器:
@ddt: 修饰测试类
@data():
包含与要提供给测试的值一样多的参数。通常,其中的每个值都data将作为单个参数传递给测试方法。
@unpack
当传递的参数是复杂的数据结构时使用。比如使用元组或者列表,添加unpack之后, 它将自动将元组和列表解压缩为多个参数,并将字典解压缩为多个关键字参数。
@file_data():
将从JSON或YAML文件加载测试数据。只有以“.yml”和“.yaml”结尾的文件才会作为YAML文件加载。所有其他文件都作为JSON文件加载。
代码示例
import unittest
from ddt import ddt, data, unpack, file_data
@ddt # 修饰测试类
class LearnDdt(unittest.TestCase):
@data([3, 2], [4, 3], [5, 3]) # 使用data装饰器,传入列表参数,使用unpack解压缩
@unpack
def test_list_extracted_into_arguments(self, first_value, second_value):
print(first_value, second_value)
self.assertTrue(first_value > second_value)
@unpack
@data({'first': 1, 'second': 3, 'third': 2}, # 使用data将参数按字典格式传入并指定值,解压缩后将值传给参数
{'first': 4, 'second': 6, 'third': 5})
def test_dicts_extracted_into_kwargs(self, first, second, third):
print(first, second, third)
self.assertTrue(first < third < second)
@data((3, 2), (4, 3), (5, 3)) # 使用data加入动态元组组合参数,解压缩将元组的值赋值给参数
@unpack
def test_tuples_extracted_into_arguments(self, first_value, second_value):
print(first_value, second_value)
self.assertTrue(first_value > second_value)
@file_data("test_data_dict_dict.json") # 使用@file_data 传入文件参数 - json文件
def test_file_data_json_dict_dict(self, start, end, value):
print(start, end, value)
self.assertLess(start, end)
self.assertLess(value, end)
self.assertGreater(value, start)
@file_data('test_data_dict.json') # 使用@file_data 传入文参数,读取的是字典键的值
def test_file_data_json_dict(self, value):
print(value)
@file_data('test_data_list.json') # 使用@file_data 传入文参数,读取的是列表的元素值
def test_file_data_json_list(self, value):
print(value)
if __name__ == "__main__":
unittest.main()
引用文件参数:
文件1:test_data_dict.json
{
"unsorted_list": [ 10, 12, 15 ],
"sorted_list": [ 15, 12, 50 ]
}
文件2:test_data_dict_dict.json
{
"positive_integer_range": {
"start": 0,
"end": 2,
"value": 1
},
"negative_integer_range": {
"start": -2,
"end": 0,
"value": -1
},
"positive_real_range": {
"start": 0.0,
"end": 1.0,
"value": 0.5
},
"negative_real_range": {
"start": -1.0,
"end": 0.0,
"value": -0.5
}
}
文件3:test_data_list.json
[
"Hello",
"Goodbye"
]
参考:
https://ddt.readthedocs.io/en/latest/example.html
https://www.cnblogs.com/miniren/p/7099187.html
嘿嘿,觉得这篇文章对你有帮助的,伸出你爱心的小手手,点个红心呗(看到有红心就高兴,说明坚持写笔记还有帮助的~)
网友评论