本文首发于:行者AI

在软件测试中,为我的项目编写接口自动化用例已成为测试人员常驻的测试工作。本文以python为例,基于笔者曾应用过的三种用例数据读取办法:xlrd、pandas、yaml,上面简要地介绍下它们的应用办法及简略剖析。

1. Python第三方库xlrd

xlrd模块可用于读取excel文档,是一种最罕用的用例读取形式,应用形式如下。以演示常规---注册接口为例,首先新建一个excel文档,文档中自定义接口用例参数:

(以下data均为随机生成,不波及任何零碎)

python已装置第三方库后,开始读取接口用例。本次为了不便演示,办法未进行封装。

xlrd代码演示

以下为实例代码:

import unittestimport xlrd# 关上接口用例excel文件excel_data = xlrd.open_workbook('register.xlsx')# 读取excel文件中寄存用例的sheet页,命名无要求sheet = excel_data.sheet_by_name('register')print(sheet.nrows)print(sheet.row_values(1))# 将读取到的用例全副追加到data列表中data = []for i in range(1, sheet.nrows):    data.append(sheet.row_values(i))    print(data)class register(unittest.TestCase):    def test_register_check(self):        pass

执行py文件后,打印读取data列表,胜利读取出excel文件中用例数据:

然而下面的办法会把整个excel文件的用例全副寄存到一个列表中,数据取用不太不便。当初咱们对数据进行拆分,联合ddt数据驱动形式,进行数据读取:

import unittestimport xlrdfrom ddt import ddt,data,unpackexcel_data = xlrd.open_workbook('register.xlsx')sheet = excel_data.sheet_by_name('register')# print(sheet.nrows)# print(sheet.row_values(1))data_ = []for i in range(1, sheet.nrows):    data_.append(sheet.row_values(i))print(data_)# 引入的装璜器@ddt;导入数据的@data;拆分数据的@unpack@ddtclass register(unittest.TestCase):    @data(*data_)    @unpack    def test_register(self, title, data, check):        print(data)if __name__ == '__main__':    unittest.main()

通过ddt中的data及unpack办法,excel文件中的每条数据都是一个独自的列表,更便于提供给接口测试用例应用:

xlrd模块在接口自动化中的应用频率十分高,调用办法也非常简单。读取到excel测试用例后,还能够应用装璜器DDT进行数据拆分,使数据更加简化。

xlrd实用于我的项目接口数据较少、接口字段不常常调整的我的项目。如果我的项目中,接口数量十分多,在编写接口用例时,寄存用例的excel文件内容会一直裁减。测试用例的易读性和维护性都会成为前期测试工作的难题,影响测试效率。

2. Python第三方库pandas

pandas是python的一个数据分析包,可帮忙使用者解决大型数据集。应用pandas中的DataFrame(二维的表格型数据结构)办法,即可获取到excel表格中的测试数据。pandas与xrld一样,都可读取excel文件。

首先创立一个excel文件,寄存测试数据:

pandas代码演示

实例代码:

# 从excel文件中读取用例,name参数为sheet名称def read_excel_data(inputdir,name):     dataframe = pandas.DataFrame(columns=['接口名','用例','申请地址','申请体','断言','协定','申请形式'])    # 传入参数就是excel文件中的列名     try:         datafile = pandas.read_excel(inputdir,sheet_name=name)         dataframe = dataframe.append(datafile, ignore_index=True, sort=True)     except:         print("Warning:excel文件关上异样,请重试!")     To_list = dataframe.to_dict(orient='records')    # 参数='records'时,转化后是 list模式     return To_list

from common.data import read_excel_dataimport pytestdef getdata(path):    getdata = read_excel_data(path, '编辑xx')    print(getdata)path = r'..\common\接口用例文档.xlsx'    # excel文件的门路,按理论我的项目构造指明getdata(path)

调用封装好的办法,胜利读取到excel文件中的全副用例数据:

该办法与xlrd相似,也是通过读取二维表格中数据的形式,获取到咱们所需接口用例。

通过xlrd等办法读取excel文件中的测试用例,是接口测试中比拟支流的数据读取形式。然而通过下面的案例展现能够发现,如果excel文件中的数据越来越多,前期测试的保护老本是比拟高的,同时表格格局在大篇幅数据中,也不不便浏览。这也是此类办法的一个弊病。

3. Python第三方库yaml

yaml是一种用来写配置文件的序列化语言,文件格式输入能够是列表、字典,也反对嵌套。层级关系用空格辨别,但不反对tab缩进。

破折号和空格( “ - ” ):列表格局

# 以下数据会以list模式被读取- testapi- url- get

常见的yaml格局:

冒号和空格( “ :” ) :字典格局

# 以下数据会以dict模式被读取name: Aage: 1spouse:    name: B    age: 2slave: - name: C  # - 示意为列表   age: 3 - name1: D   age1: 4

yaml代码演示

读取yaml文件中的dict数据,代码如下:

import osimport yamlclass LoadTestData:    # 设置门路,获取yaml文件数据    def load_data(self, file_name):        yaml_path = os.path.join(os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))),                                              'test_file'), file_name)        yaml_data = yaml.load(open(yaml_path), Loader=yaml.FullLoader)        # print(yaml_data)        return yaml_datadef get_yaml_data(api_file, api_name):    '''    获取yaml中 api_name的数据    :param api_file:  api文件地位    :param api_name:  api文件名称    :return: 文件数据    '''    data = LoadTestData().load_data(api_file)[api_name]    print(data)    return dataif __name__ == '__main__':    file_name = 'api_data.yaml'    api_name = 'test'    # LoadTestData().load_data(file_name)    get_yaml_data(file_name,api_name )    print('读取胜利')

请留神yaml.load在调用时,可能会因为yaml版本较高而提醒异样。解决办法:指定loader = yaml.FullLoader可解决异样。

依据下面yaml的理论使用能够发现,相比excel表格寄存的数据,yaml可读性更好,而且python自身也反对新建yaml文件,与脚本语言的交互性更佳。对于不同的测试模块,也能够新建不同的yaml文件,实现了功能模块之间的测试数据隔离。

总结

测试中,不论是以excel表格存放数据还是yaml文件存放数据,都能做到疾速集成组装测试数据。但excel表格存放数据过大时,有可读性升高及脚本执行工夫较长等问题。yaml领有简洁、与python交互性高,能够把性能模板的测试数据互相隔离等长处。但也须要对yaml的写法标准有一些理解,能力正确应用。

本文只是基于python测试数据读取角度,进行一次简略的分享。如有不失当之处,欢送大家斧正。