在开始之前,我们先来明确一下什么是数据驱动,在百度百科中数据驱动的解释是:数据驱动测试,即黑盒测试(Black-box Testing),又称为功能测试,是把测试对象看作一个黑盒子。利用黑盒测试法进行动态测试时,需要测试软件产品的功能,不需测试软件产品的内部结构和处理过程。数据驱动测试注重于测试软件的功能性需求,也即数据驱动测试使软件工程师派生出执行程序所有功能需求的输入条件。
这说的是什么?为什么我完全不懂!!!咱们来分析一下。
利用黑盒测试法进行动态测试时,需要测试软件产品的功能,不需测试软件产品的内部结构和处理过程 – 重点在测试功能,不需要考虑内部处理过程
也即数据驱动测试使软件工程师派生出执行程序所有功能需求的输入条件 – 重点在测试时候的输入条件
在实际的自动化测试中,数据驱动是通过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,简单的来说,就是将测试数据与实际的测试代码区分开。
Python中大部分人最先接触的测试框架就是unittest,可是unittest本身并不支持数据驱动,需要借助ddt来实现。接着我们就用unittest+ddt来给大家看一下数据驱动。
ddt是 “Data-Driven Tests”的缩写。官方资料是:http://ddt.readthedocs.io/en/latest/ 。
ddt.ddt:
ddt.data:
ddt.file_data(value):
ddt.unpack:
import ddt
import unittest
@ddt.ddt
class TestCase(unittest.TestCase):
def setUp(self):
print("Before every test case!")
@ddt.data(1,2,3,4,5,6)
def test_case_01(self,value):
print("value is: "+ str(value))
if __name__ == "__main__":
unittest.main()
文件数据注入: 有时候,将测试数据直接写到Python文件里不利于我们对数据的管理,这时候,我们就可以借助文件来做数据的注入。 创建一个yml文件: 然后将yml与json文件注入测试用例中 import ddt import unittest @ddt.ddt class TestCase(unittest.TestCase): def setUp(self): print("Before every test case!") @ddt.file_data('testdata_dic.json') def test_case_01(self,start,end,value): print("start is: " + str(start)) print("end is: " + str(end)) print("value is: " + str(value)) @ddt.file_data('testdata_list.yml') def test_case_02(self, value): print("value is: " + str(value)) if __name__ == "__main__": unittest.main() 运行之后结果为:
"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
}