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