Python接口自动化系列之unittest结合ddt的使用教程详解

前面一篇我们已经把unittest的常用用法都已经讲过了，可能很多小伙伴有个疑问，unittest框架怎么做数据驱动呢？这节我们就来学习一下。
1、unittest 没有自带数据驱动功能。
所以如果使用unittest，同时又想使用数据驱动，那么就可以使用DDT来完成。
DDT是 “Data-Driven Tests”的缩写。
资料：http://ddt.readthedocs.io/en/latest/
2、什么是ddt？
测试步骤相同，代码一样，测试数据不同，当我们输入一组测试数据的时候，测试框架会自动生成独立的多个测试用例的方法，这就是ddt。（个人理解）
注意：ddt不等于数据驱动，ddt只是实现了数据驱动思想

首先，我们需要下载包，下载方法如下：

然后，我们开始学习

import unittest
import ddt
# 首先我们导入ddt

# 我们还是哪官网这个加法方法来做例子，首先我们准备一些测试数据

data = [(1,2,3),
    (1,3,4),
    (1,4,5)]

# 装饰类，也就是继承自TestCase的类,可以理解为给这个类戴了个帽子
@ddt.ddt
class IntegerArithmeticTestCase(unittest.TestCase):
  # 装饰测试方法。参数是一系列的值
  # 注意要加这个*，多组数据，@ddt.data(*data)相当于@ddt.data((1,2,3),(1,3,4),(1,4,5))
  @ddt.data(*data)
  # 每次运行都会从 data中取出一组数据，动态生成一个独立的测试用例方法
  def testAdd(self,test_data):
    print(test_data)
    self.assertEqual((test_data[0] + test_data[1]), test_data[2])
'''
测试用例方法名生成规则
使用ddt后，会产生一个新的测试用例方法名：之前的测试用例方法名_ordinal_data
之前的测试用例方法名：即定义的测试用例方法名。比如def test_large()，这里就是test_large
ordinal：整数，从1开始递加。
data：如果传递过来的数据存在__name__属性，则这里就是该数据的__name__值。如果未定义__name__属性，ddt会尽量将传递过来的数据转化为python标识符，作为data显示。比如（3,2）就转化为3_2。
需要注意的是，如果数据是字典，则这里就是字典的key。
'''
if __name__ == '__main__':
  unittest.main(verbosity=2)

我么执行看一下结果：

在看一下HTML的结果报告：

3、下面我们就说一下在实际框架中ddt是如何使用的
实际框架中只不过测试数据不是放在代码里，代码要做数据分离，实际是把数据放在Excel，或者yaml，或者json文件中，等等吧，作者实际框架中用的最多的都是这三种。
1）我么你先看一下测试数据放在json中，先建一个json文件

import unittest
import ddt


# 装饰类，也就是继承自TestCase的类,可以理解为给这个类戴了个帽子
@ddt.ddt
class IntegerArithmeticTestCase(unittest.TestCase):
  # 装饰测试方法。参数是文件名。文件可以是json 或者 yaml类型。
  # 注意，如果文件以”.yml”或者”.yaml”结尾，ddt会作为yaml类型处理，其他所有文件都会作为json文件处理。
  # 如果文件中是列表，每个列表的值会作为测试用例参数，同时作为测试用例方法名后缀显示。
  # 如果文件中是字典，字典的key会作为测试用例方法的后缀显示，字典的值会作为测试用例参数
  @ddt.file_data('d1.json')
  @ddt.unpack
  # 每次运行都会从 data中取出一组数据，动态生成一个独立的测试用例方法
  def testAdd(self,first,second,values):
    self.assertEqual( (first+ second), values)

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

执行查看结果如下：

2）我么你在看一下测试数据放在yaml中，先建一个yaml文件

到此这篇关于Python接口自动化系列之unittest结合ddt的使用教程详解的文章就介绍到这了,更多相关Python接口自动化内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！