原標題：Python數據驅動DDT的應用

在開始之前，我們先來明確一下什么是數據驅動，在百度百科中數據驅動的解釋是：數據驅動測試，即黑盒測試(Black-box Testing)，又稱為功能測試，是把測試對象看作一個黑盒子。利用黑盒測試法進行動態測試時，需要測試軟件產品的功能，不需測試軟件產品的內部結構和處理過程。數據驅動測試注重于測試軟件的功能性需求，也即數據驅動測試使軟件工程師派生出執行程序所有功能需求的輸入條件。

這說的是什么？為什么我完全不懂！！！咱們來分析一下。

利用黑盒測試法進行動態測試時，需要測試軟件產品的功能，不需測試軟件產品的內部結構和處理過程 –重點在測試功能，不需要考慮內部處理過程

也即數據驅動測試使軟件工程師派生出執行程序所有功能需求的輸入條件 – 重點在測試時候的輸入條件

在實際的自動化測試中，數據驅動是通過數據的改變從而驅動自動化測試的執行，最終引起測試結果的改變，簡單的來說，就是將測試數據與實際的測試代碼區分開。

Python中大部分人最先接觸的測試框架就是unittest，可是unittest本身并不支持數據驅動，需要借助ddt來實現。接著我們就用unittest+ddt來給大家看一下數據驅動。

ddt是 “Data-Driven Tests”的縮寫。官方資料是：http://ddt.readthedocs.io/en/latest/ 。

下面是每個組件的簡單介紹：

ddt.ddt：

裝飾類，用于unittest.TestCase子類的類裝飾器。

ddt.data：

添加到unittest.TestCase測試用例上的方法裝飾器。

ddt.file_data(value)：

添加到unittest.TestCase測試用例上的方法裝飾器。

value應該是文件目錄的路徑。文件應該包含JSON編碼的數據，可以是列表，也可以是dict。

如果文件中是列表，每個列表的值會作為測試用例參數，同時作為測試用例方法名后綴顯示。

如果文件中是字典，字典的key會作為測試用例方法的后綴顯示，字典的值會作為測試用例參數。

ddt.unpack：

傳遞的是復雜的數據結構時使用。比如使用元組或者列表，添加unpack之后，ddt會自動把元組或者列表對應到多個參數上。

我們來用實例感受一下每個組件，先用data來傳入比較簡單的值，來做數據驅動。

簡單數據注入：

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

運行中發現，有6組數據，一共執行了6次

測試方法后會被ddt加一個后綴，ddt會嘗試把測試數據轉化為后綴附在測試方法后，組成一個新的名字。

復雜數據注入：

如果嘗試著用一些比較復雜的數據，比如元組/列表/字典，我們就需要調用unpack來實現，下面是一些例子

import ddt

import unittest

@ddt.ddt

class TestCase(unittest.TestCase):

def setUp(self):

print("Before every test case!")

@ddt.unpack

@ddt.data({'value1': '孫儷', 'value2': '鄧超'},

{'value1': '蔡少芬', 'value2': '張晉'},

{'value1': '袁詠儀', 'value2': '張智霖'})

def test_case_01(self,value1,value2):

print("value1 is: " + value1)

print("value2 is: " + value2)

@ddt.unpack

@ddt.data((1,2),(3,4),(5,6))

def test_case_02(self, value1, value2):

print("value1 is: " + str(value1))

print("value2 is: " + str(value2))

@ddt.unpack

@ddt.data([1,9],[2,8],[3,7])

def test_case_03(self, value1, value2):

sum = value1 + value2

self.assertEqual(sum, 10)

if __name__ == "__main__":

unittest.main

現在也有一種比較流行的處理方式，不借助unpack可以直接做字典數據的注入。

import ddt

import unittest

data = ({'value1': '孫儷', 'value2': '鄧超'},

{'value1': '蔡少芬', 'value2': '張晉'},

{'value1': '袁詠儀', 'value2': '張智霖'})

@ddt.ddt

class TestCase(unittest.TestCase):

def setUp(self):

print("Before every test case!")

@ddt.data(*data)

def test_case_01(self,data):

print("value1 is: " + data['value1'])

print("value2 is: " + data['value2'])

if __name__ == "__main__":

unittest.main

文件數據注入：

有時候，將測試數據直接寫到Python文件里不利于我們對數據的管理，這時候，我們就可以借助文件來做數據的注入。

創建一個yml文件：

-1

-2

-3

-4

創建一個json文件：

{

"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

}

}

然后將yml與json文件注入測試用例中

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

運行之后結果為：

這樣，就為我們數據驅動的用法提供了多樣性。

最后，希望本文能幫助到大家。返回搜狐，查看更多

責任編輯：

總結

以上是生活随笔為你收集整理的python ddt mysql_Python数据驱动DDT的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。