关于软件测试:干货-一改测试步骤代码就全写为什么不试试用-Yaml实现数据驱动

5次阅读

共计 2475 个字符，预计需要花费 7 分钟才能阅读完成。

理念与同“UI 自动化测试框架”中的“测试步骤的数据驱动”雷同，接口中的测试步骤的数据驱动就是将接口的参数（比方 method、url、param 等）封装到 yaml 文件中治理。当测试步骤产生扭转，只须要批改 yaml 文件中的配置即可。
数据驱动就是数据的扭转从而驱动自动化测试的执行，最终引起测试后果的扭转。简略来说，就是参数化的利用。数据量小的测试用例能够应用代码的参数化来实现数据驱动，数据量大的状况下倡议应用一种结构化的文件（例如 yaml，json 等）来对数据进行存储，而后在测试用例中读取这些数据。

原理与后面章节“UI 自动化测试框架”中的“测试数据的数据驱动”大同小异。仍然应用 @pytest.mark.parametrize 装璜器来进行参数化，应用参数化来实现数据驱动。
通过参数化的形式，别离判断 id 为 2，3 的部门的 parentid 为 1：

import pytest

class TestDepartment:
    department = Department()

    @pytest.mark.parametrize("id", [2, 3])
    def test_department_list(self, id):
        r = self.department.list(id)
        assert self.department.jsonpath(expr="$..parentid")[0] == 1

下面的代码首先应用 @pytest.mark.parametrize 装璜器，传递了两组数据，测试结果显示有两条测试用例被执行，而不是一条测试用例。也就是 pytest 会将两组测试数据主动生成两个对应的测试用例并执行，生成两条测试后果。

当测试数据量大的状况下，能够思考把数据存储在结构化的文件中。从文件中读取出代码中所须要格局的数据，传递到测试用例中执行。本次实战以 YAML 进行演示。YAML 以应用动静字段进行结构化，它以数据为核心，比 excel、csv、Json、XML 等更适宜做数据驱动。

将下面参数化的两组数据存储到 yaml 文件中，创立一个 data/department_list.yml 文件，代码如下：

-2
-3

下面的代码定义了一个 yaml 格局的数据文件 department_list.yml，文件中定义了一个列表，列表中有两个数据，最初生成的是这样的数据格式：[1,2]。将测试用例中参数化的数据革新成从 department_list.yml 文件中读取，代码如下：

class TestDepartment:
    department = Department()

    @pytest.mark.parametrize("id", \
    yaml.safe_load(open("../data/department_list.yml")))
    def test_department_list(self, id):
        r = self.department.list(id)
        assert self.department.jsonpath(expr="$..parentid")[0] == 1

下面的代码，只须要应用 yaml.safe_load()办法，读取 department_list.yml 文件中的数据，别离传入到用例 test_department_list() 办法中实现输出与后果的验证。

理论工作中，对于环境的切换和配置，为了便于保护，通常不会应用硬编码的模式实现。在“多环境下的接口测试”章节中曾经介绍了，如何将环境的切换作为一个可配置的选项。本章节会把这部分内容进行重构，应用数据驱动的形式实现多环境的配置。

依据“多环境下的接口测试”章节，将此章节中的环境配置局部改为数据驱动的模式
代码如下：

# 把 host 批改为 ip，并附加 host header
env={
    "docker.testing-studio.com": {
        "dev": "127.0.0.1",
        "test": "1.1.1.2"
    },
    "default": "dev"
}
data["url"]=str(data["url"]).replace(
    "docker.testing-studio.com",
    env["docker.testing-studio.com"][env["default"]]
)
data["headers"]["Host"]="docker.testing-studio.com"

仍然以 yaml 为示例，将所有的环境配置信息放到 env.yml 文件中。如果怕出错，能够先应用 yaml.safe_dump(env)将 dict 格局的代码转换为 yaml。
如下所示，打印进去的，就是胜利转换 yaml 格局的配置信息：

def test_send(self):
    env={
        "docker.testing-studio.com": {
            "dev": "127.0.0.1",
            "test": "1.1.1.2"
        },
        "default": "dev"
    }
    yaml2 = yaml.safe_dump(env)
    print("")
    print(yaml2)

将打印进去的内容粘贴到 env.yml 文件中：env.yml

docker.testing-studio.com:
  dev: "127.0.0.1"
  test: "1.1.1.2"
  level: 4
default:
  "dev"

将环境筹备中的代码稍作批改，把 env 变量从一个典型 dict 改为，应用 yaml.safe_load 读取 env.yml：

# 把 host 批改为 ip，并附加 host header
env = yaml.safe_load(open("./env.yml"))
data["url"] = str(data["url"]).\
    replace("docker.testing-studio.com",
    env["docker.testing-studio.com"][env["default"]])
data["headers"]["Host"] = "docker.testing-studio.com"

如此一来，就能够实现应用数据驱动的形式，通过批改 env.yml 文件来间接批改配置信息。

正文完