乐趣区

关于python:Python-中如何实现参数化测试

jiezi

本文想针对测试中一种很常见的测试场景，即参数化测试，持续聊聊对于测试的话题，并尝试将这几个测试框架串联起来，做一个横向的比对，加深了解。

1、什么是参数化测试？
对于一般测试来说，一个测试方法只须要运行一遍，而参数化测试对于一个测试方法，可能须要传入一系列参数，而后进行屡次测试。

比方，咱们要测试某个零碎的登录性能，就可能要别离传入不同的用户名与明码，进行测试：应用蕴含非法字符的用户名、应用未注册的用户名、应用超长的用户名、应用谬误的明码、应用正当的数据等等。

参数化测试是一种“数据驱动测试”（Data-Driven Test），在同一个办法上测试不同的参数，以笼罩所有可能的预期分支的后果。它的测试数据能够与测试行为拆散，被放入文件、数据库或者内部介质中，再由测试程序读取。

2、参数化测试的实现思路？
通常而言，一个测试方法就是一个最小的测试单元，其性能应该尽量地原子化和单一化。

先来看看两种实现参数化测试的思路：一种是写一个测试方法，在其外部对所有测试参数进行遍历；另一种是在测试方法之外写遍历参数的逻辑，而后顺次调用该测试方法。

这两种思路都能达到测试目标，在简略业务中，没有故障。然而，实际上它们都只有一个测试单元，在统计测试用例数状况，或者生成测试报告的时候，并不乐观。可扩展性也是个问题。

那么，现有的测试框架是如何解决这个问题的呢？

它们都借助了装璜器，次要的思路是：利用原测试方法（例如 test()），来生成多个新的测试方法（例如 test1()、test2()……），并将参数顺次赋值给它们。

因为测试框架们通常把一个测试单元统计为一个“test”，所以这种“由毕生多”的思路相比后面的两种思路，在统计测试后果时，就具备很大的劣势。

3、参数化测试的应用办法？
Python 规范库中的 unittest 本身不反对参数化测试，为了解决这个问题，有人专门开发了两个库：一个是 ddt，一个是 parameterize。

ddt 正好是“Data-Driven Tests”（数据驱动测试）的缩写。典型用法：

import unittest
from ddt import ddt,data,unpack

@ddt
class MyTest(unittest.TestCase):
    @data((3, 1), (-1, 0), (1.2, 1.0))
    @unpack
    def test_values(self, first, second):
        self.assertTrue(first > second)

unittest.main(verbosity=2)

运行的后果如下：

test_values_1__3__1_ (__main__.MyTest) ... ok
test_values_2___1__0_ (__main__.MyTest) ... FAIL
test_values_3__1_2__1_0_ (__main__.MyTest) ... ok

==================================================
FAIL: test_values_2___1__0_ (__main__.MyTest)
--------------------------------------------------
Traceback (most recent call last):
  File "C:\Python36\lib\site-packages\ddt.py", line 145, in wrapper
    return func(self, *args, **kwargs)
  File "C:/Users/pythoncat/PycharmProjects/study/testparam.py", line 9, in test_values
    self.assertTrue(first > second)
AssertionError: False is not true

----------------------------------------------
Ran 3 tests in 0.001s

FAILED (failures=1)

结果显示有 3 个 tests，并具体展现了运行状态以及断言失败的信息。

须要留神的是，这 3 个 test 别离有一个名字，名字中还携带了其参数的信息，而原来的 test_values 办法则不见了，曾经被一拆为三。

在上述例子中，ddt 库应用了三个装璜器（@ddt、@data、@unpack），切实是很俊俏。上面看看绝对更好用的 parameterized 库：

import unittest
from parameterized import parameterized

class MyTest(unittest.TestCase):
    @parameterized.expand([(3,1), (-1,0), (1.5,1.0)])
    def test_values(self, first, second):
        self.assertTrue(first > second)

unittest.main(verbosity=2)

测试后果如下：

test_values_0 (__main__.MyTest) ... ok
test_values_1 (__main__.MyTest) ... FAIL
test_values_2 (__main__.MyTest) ... ok

=========================================
FAIL: test_values_1 (__main__.MyTest)
-----------------------------------------
Traceback (most recent call last):
  File "C:\Python36\lib\site-packages\parameterized\parameterized.py", line 518, in standalone_func
    return func(*(a + p.args), **p.kwargs)
  File "C:/Users/pythoncat/PycharmProjects/study/testparam.py", line 7, in test_values
    self.assertTrue(first > second)
AssertionError: False is not true

----------------------------------------
Ran 3 tests in 0.000s

FAILED (failures=1)

这个库只用了一个装璜器 @parameterized.expand，写法上可就清新多了。

同样揭示下，原来的测试方法曾经隐没了，取而代之的是三个新的测试方法，只是新办法的命名规定与 ddt 的例子不同罢了。

介绍完 unittest，接着看曾经死翘翘了的 nose 以及新生的 nose2。nose 系框架是带了插件（plugins）的 unittest，以上的用法是相通的。

另外，nose2 中还提供了自带的参数化实现：

import unittest
from nose2.tools import params

@params(1, 2, 3)
def test_nums(num):
    assert num < 4

class Test(unittest.TestCase):
    @params((1, 2), (2, 3), (4, 5))
    def test_less_than(self, a, b):
    assert a < b

最初，再来看下 pytest 框架，它这样实现参数化测试：

import pytest

@pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])
def test_values(first, second):
    assert(first > second)

测试后果如下：

==================== test session starts ====================
platform win32 -- Python 3.6.1, pytest-5.3.1, py-1.8.0, pluggy-0.13.1
rootdir: C:\Users\pythoncat\PycharmProjects\study collected 3 items

testparam.py .F
testparam.py:3 (test_values[-1-0])
first = -1, second = 0

    @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])
    def test_values(first, second):
>       assert(first > second)
E       assert -1 > 0

testparam.py:6: AssertionError
.                                                         [100%]

========================= FAILURES ==========================
_________________________ test_values[-1-0] _________________________

first = -1, second = 0

    @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])
    def test_values(first, second):
>       assert(first > second)
E       assert -1 > 0

testparam.py:6: AssertionError
===================== 1 failed, 2 passed in 0.08s =====================
Process finished with exit code 0

仍然要揭示大伙留神，pytest 也做到了由一变三，然而咱们却看不到有新命名的办法的信息。这是否意味着它并没有产生新的测试方法呢？或者仅仅是把新办法的信息暗藏起来了？

4、最初小结
上文中介绍了参数化测试的概念、实现思路，以及在三个支流的 Python 测试框架中的应用办法。我只用了最简略的例子，为的是疾速科普（言多必失）。

然而，这个话题其实还没有完结。对于咱们提到的几个能实现参数化的库，抛去写法上大同小异的区别，它们在具体代码层面上，又会有什么样的差别呢？

具体来说，它们是如何做到把一个办法变成多个办法，并且将每个办法与相应的参数绑定起来的呢？在实现中，须要解决哪些辣手的问题？

以上就是本次分享的所有内容，想要理解更多 python 常识欢送返回公众号：Python 编程学习圈，发送“J”即可收费获取，每日干货分享

退出移动版