轉載一篇關於python 中 DDT用法總結較好的文章，備忘用

原文鏈接：https://www.cnblogs.com/nancyzhu/p/8569893.html

轉載地址：https://www.cnblogs.com/nancyzhu/p/8563884.html

ddt 是第三方模塊，需安裝， pip install ddt

DDT包含類的裝飾器ddt和兩個方法裝飾器data（直接輸入測試數據）

通常情況下，data中的數據按照一個參數傳遞給測試用例，如果data中含有多個數據，以元組，列表，字典等數據，需要自行在腳本中對數據進行分解或者使用unpack分解數據。

@data(a,b)

那麼a和b各運行一次用例

@data([a,d],[c,d])

如果沒有@unpack，那麼[a,b]當成一個參數傳入用例運行

如果有@unpack，那麼[a,b]被分解開，按照用例中的兩個參數傳遞

具體看下面的例子：

import unittest
from ddt import ddt,data,unpack

@ddt
class MyTesting(unittest.TestCase):
    def setUp(self):
        print('this is the setUp')
    @data([1,2,3])
    def test_1(self,value):
        print(value)

    @data([3,2,1],[5,3,2],[10,4,6])
    @unpack
    def test_minus(self,a,b,expected):
        actual = int(a) - int(b)
        expected = int(expected)
        self.assertEqual(actual, expected)

    @data([2,3],[4,5])
    def test_compare(self,a,b):
        self.assertEqual(a,b)

    def tearDown(self):
        print('this is tearDown')

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

結果分析：

1. test_1的測試結果是ok的，因爲 [1,2,3] 作爲一個整體傳給value,所有value 打印的值是[1,2,3]

test_1_1__1__2__3_ (__main__.MyTesting) ... ok
test_compare_1__2__3_ (__main__.MyTesting) ... ERROR
[1, 2, 3]

2. test_minus的測試結果也是ok的，由於在@data(...)下加了@unpack, 代表會把數據分解，得到3組測試數據，分別爲：

1.[3,2,1]
2.[5,3,2]
3.[10,4,6]

test_minus_1__3__2__1_ (__main__.MyTesting) ... ok
test_minus_2__5__3__2_ (__main__.MyTesting) ... ok
test_minus_3__10__4__6_ (__main__.MyTesting) ... ok

3. test_compare的測試結果是fail的，由於沒有加@unpack, 雖然還是會被理解成2組測試數據，但是[2,3]作爲一個整體被傳給了a, 因爲b就沒有值傳入了，所以一執行後報了 TypeError: test_compare() missing 1 required positional argument: 'b' 這句錯。

test_compare_1__2__3_ (__main__.MyTesting) ... ERROR
test_compare_2__4__5_ (__main__.MyTesting) ... ERROR

this is the setUp
ERROR: test_compare_1__2__3_ (__main__.MyTesting)
this is tearDown
----------------------------------------------------------------------
Traceback (most recent call last):
  File "D:\python\lib\site-packages\ddt.py", line 139, in wrapper
    return func(self, *args, **kwargs)
TypeError: test_compare() missing 1 required positional argument: 'b'

======================================================================
ERROR: test_compare_2__4__5_ (__main__.MyTesting)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "D:\python\lib\site-packages\ddt.py", line 139, in wrapper
    return func(self, *args, **kwargs)
TypeError: test_compare() missing 1 required positional argument: 'b'

@data()裏的數據組可以爲元祖，list，字典

@ddt
class MyTest(unittest.TestCase):

    @data((8, 6), (4, 0), (15, 6))
    @unpack
    def test_tuples(self, first, second):
        self.assertTrue(first > second)

    @data([30, 29], [40, 30], [5, 3])
    @unpack
    def test_list(self, first, second):
        self.assertTrue(first > second)


    @data({'first': 1, 'second': 3, 'third': 5},
          {'first': 4, 'second': 7, 'third': 8})
    @unpack
    def test_dicts(self, first, second, third):
        self.assertTrue(first < second < third)


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

def get_Csv(filename):
    rows = []
    with open(filename,encoding='utf-8') as f:
        readers = csv.reader(f)
        for row in readers:
            rows.append(row)
    return rows

@ddt
class MyTest(unittest.TestCase):

    @data(*get_Csv('test_csv.csv'))
    @unpack
    def test_data_csv(self,v1,v2,v3):
        print(v1)
        print(v2)
        print(v3)

以上就是ddt 的學習總結，ddt 還有file_data（可以從json或者yaml中獲取測試數據）的驅動方式

繼續：

這一篇主要是關於文件的數據驅動。

一、通過json文件驅動

@ddt
class MyTest(unittest.TestCase):

    @file_data('test_data_list.json')
    def test_data_list(self,value):
        print(value)

    @file_data('test_data_dict.json')
    def test_data_dict(self,value):
        print(value)

二、通過yaml文件驅動

pip install pyyaml進行安裝

直接import yaml，右鍵運行py文件，不報錯，則爲導入成功。

PyYaml簡介

YAML是一種容易閱讀、適合表示程序語言的數據結構、可用於不同程序間交換數據、豐富的表達能力和可擴展性、易於使用的語言。通過縮進或符號來表示數據類型。

Yaml提供了多種方法，常用的爲yaml.load和yaml.dump。

它的基本語法規則如下：

大小寫敏感
使用縮進表示層級關係
縮進時不允許使用Tab鍵，只允許使用空格。
縮進的空格數目不重要，只要相同層級的元素左側對齊即可
# 表示註釋，從這個字符一直到行尾，都會被解析器忽略，這個和python的註釋一樣

PyYaml文件編寫格式

yaml文檔除了可以通過dump進行轉化之外，也可以根據yaml文檔的格式進行編寫。

對象的一組鍵值對，使用冒號結構表示。
一組減號開頭的行，構成一個list。
對象和數組可以結合使用，形成複合結構。
~ 代表None
布爾類型直接寫bool: True False

YAML 支持的數據結構有三種：

　　　　1、對象：鍵值對的集合，又稱爲映射（mapping）/ 哈希（hashes） / 字典（dictionary）

　　　　2、數組：一組按次序排列的值，又稱爲序列（sequence） / 列表（list）

　　　　3、純量（scalars）：單個的、不可再分的值。字符串、布爾值、整數、浮點數、Null、時間、日期

import yaml

#寫入yaml文件
# yaml.dump 將一個Python對象生成爲yaml文檔。參數一爲要轉爲yaml文檔的數據，參數二必須爲一個已經打開的文件對象。
with open('dump.yml','w') as f:
    d ={
        'student':{
            'name':'aa',
            'age':20,
            'love':{
                'ball':'volleyball',
                'book':'Python'
            }
        },
        'teacher':{
            'name': 'bb',
            'age': 20
        },
        'data':[2,3,4,5]
    }
    yaml.dump(d,f)

#加載yaml文件
with open('dump.yml','r') as f:
    data = yaml.load(f)
    print(data)

yaml.dump([data,filehandle])

yaml.dump 將一個Python對象生成爲yaml文檔。參數一爲要轉爲yaml文檔的數據，參數二必須爲一個已經打開的文件對象。

這裏是將轉成的yaml格式保存到文件裏，以下是保存到文件裏的數據。

yaml.load([filehandle])

yaml.load接收文件句柄，將yml文件中的數據轉爲Python的數據類型。

下面是輸出的結果：

{'data': [2, 3, 4, 5], 'teacher': {'age': 20, 'name': 'bb'}, 'student': {'age': 20, 'love': {'ball': 'volleyball', 'book': 'Python'}, 'name': 'aa'}}

可以將yaml與ddt聯合應用，將yaml作爲數據存儲，可以將test case寫在yaml文件裏。

@file_data('test_data2.yml')
def test_data_yaml(self,value):
     print(value)
     print(type(value))

打印的結果爲：

[{'pass': {'case1': {'password': '001', 'username': 'aa'}, 'case2': {'password': '002', 'username': 'bb'}}}, {'fail': {'case3': {'password': '003', 'username': 'cc'}}}]
<class 'list'>

組合使用後，通過yaml的數據來控制case的執行
yaml文檔的使用，使case維護更加方便快捷

轉載一篇關於python 中 DDT用法總結較好的文章，備忘用

Appium Desktop官方文檔+中文API文檔

Python + twilio 實現打電話和發短信功能

appium 報錯：Original error:Could not proxy command to remote server. Original error:socket hang up

【轉載】關於pathlib 的用法介紹

轉載一篇關於python 中 DDT用法總結較好的文章，備忘用

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結