Python接口自动化浅析数据驱动原理
目录
- 一、openpyxl模块
- openpyxl模块介绍
- openpyxl安装
- openpyxl简单使用
- 二、Excel用例管理
- 三、ddt介绍及使用
- ddt介绍
- ddt使用
- ddt：
- data：
- unpack：
在上一篇Python接口自动化测试系列文章：Python接口自动化浅析登录接口测试实战，主要介绍接口概念、接口用例设计及登录接口测试实战。
以下主要介绍使用openpyxl模块操作excel及结合ddt实现数据驱动。
在此之前，我们已经实现了用unittest框架编写测试用例，实现了请求接口的封装，这样虽然已经可以完成接口的自动化测试，但是其复用性并不高。
我们看到每个方法（测试用例）的代码几乎是一模一样的，试想一下，在我们的测试场景中，
一个登录接口有可能会有十几条到几十条测试用例，如果每组数据都编写一个方法，
这样将会有更多的重复项代码，不仅执行效率不高，也不好维护。
接下来将会对框架进行优化，采用数据驱动方式：
- 把测试数据用excel表格管理起来，代码做封装；
- 用ddt来驱动测试，两部分相互独立。
一、openpyxl模块
openpyxl模块介绍
openpyxl是python第三方模块，运用openpyxl库可以进行excel的读和写。
在了解openpyxl模块之前，我们需要先熟悉excel的结构，才能更好理解openpyxl是如何操作excel。
从外到内，首先是一个excel文件(名)，打开excel之后，会看到底部有一个或多个sheet(工作簿)，每个sheet里有很多单元格，总体来说，主要分为三个层级。
在opnepyxl里面，一个Excel文件对应着一个Workbook对象， 一个Sheet对应着一个Worksheet对象，而一个单元格对应着一个Cell对象。了解这些之后，对openpyxl是如何操作excel就比较清楚了。
openpyxl安装
pip install openpyxl
openpyxl简单使用
import openpyxl
if __name__ == '__main__':
path = 'F:/case/test_case.xlsx'
# 读取excel文件
workbook = openpyxl.load_workbook(path)
# 读取所有sheet
sheet = workbook.get_sheet_names()
# 获取某个sheet
sheet = workbook[sheet[0]]
# 获取某个cell的值
cell_val = sheet.cell(row=2, column=2).value
print(cell_val)
以上仅介绍openpyxl常用的语法，有兴趣了解更多内容可自行百度扩展。
二、Excel用例管理
在项目下，新建一个文件夹：data，文件夹下新建一个cases.xlsx文件，用来存放测试用例。
以下，是一个简单的登录测试用例设计模板：
可以根据该表格生成实际结果，并将测试结果写入（Pass、Fail）表格。
公众号后台回复：接口测试用例模板，可以获取完整接口测试用例Excle模板。
既然有了用例模板，我们就开始从用openpyxl模块对excel读写数据。
如下，在common文件夹下，新建excel_handle.py，用于封装操作excel的类。
excel_handle.py
import openpyxl
class ExcelHandler:
def __init__(self, file):
self.file = file
def open_excel(self, sheet_name):
"""打开Excel、获取sheet"""
wb = openpyxl.load_workbook(self.file)
# 获取sheet_name
sheet = wb[sheet_name]
return sheet
def get_header(self, sheet_name):
"""获取header(表头)"""
wb = self.open_excel(sheet_name)
header = []
# 遍历第一行
for i in wb[1]:
# 将遍历出来的表头字段加入列表
header.append(i.value)
return header
def read_excel(self, sheet_name):
"""读取所有数据"""
sheet = self.open_excel(sheet_name)
rows = list(sheet.rows)
data = []
# 遍历从第二行开始的每一行数据
for row in rows[1:]:
row_data = []
# 遍历每一行的每个单元格
for cell in row:
row_data.append(cell.value)
# 通过zip函数将两个列表合并成字典
data_dict = dict(zip(self.get_header(sheet_name),row_data))
data.append(data_dict)
return data
@staticmethod
def write_excel(file, sheet_name, row, cloumn,data):
"""Excel写入数据"""
wb = openpyxl.load_workbook(file)
sheet = wb[sheet_name]
sheet.cell(row, cloumn).value = data
wb.save(file)
wb.close()
if __name__ == "__main__":
# 以下为测试代码
excel = ExcelHandler('../data/cases.xlsx')
data = excel.read_excel('login')
接下来结合ddt实现数据驱动，先简单来介绍下ddt。
三、ddt介绍及使用
ddt介绍
- 名称：Data-Driven Tests，数据驱动测试
- 作用：由外部数据集合来驱动测试用例的执行
- 核心的思想：数据和测试代码分离
- 应用场景：一组外部数据来执行相同的操作
- 优点：当测试数据发生大量变化的情况下，测试代码可以保持不变
- 实际项目：excel存储测试数据，ddt读取测试数据到单元测试框架（测试用例中）
补充：
所谓数据驱动，就是数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。说的直白些，就是参数化的应用。
ddt安装
pip install ddt
ddt使用
要想知道ddt到底怎么使用，我们从ddt模块源码中提取出三个重要的函数ddt、unpack、data。
def ddt(cls):
"""
Class decorator for subclasses of ``unittest.TestCase``.
Apply this decorator to the test case class, and then
decorate test methods with ``@data``.
For each method decorated with ``@data``, this will effectively create as
many methods as data items are passed as parameters to ``@data``.
The names of the test methods follow the pattern
``original_test_name_{ordinal}_{data}``. ``ordinal`` is the position of the
data argument, starting with 1.
For data we use a string representation of the data value converted into a
valid python identifier. If ``data.__name__`` exists, we use that instead.
For each method decorated with ``@file_data('test_data.json')``, the
decorator will try to load the test_data.json file located relative
to the python file containing the method that is decorated. It will,
for each ``test_name`` key create as many methods in the list of values
from the ``data`` key.
"""
for name, func in list(cls.__dict__.items()):
if hasattr(func, DATA_ATTR):
for i, v in enumerate(getattr(func, DATA_ATTR)):
test_name = mk_test_name(name, getattr(v, "__name__", v), i)
test_data_docstring = _get_test_data_docstring(func, v)
if hasattr(func, UNPACK_ATTR):
if isinstance(v, tuple) or isinstance(v, list):
add_test(
cls,
test_name,
test_data_docstring,
func,
*v
)
else:
# unpack dictionary
add_test(
cls,
test_name,
test_data_docstring,
func,
**v
)
else:
add_test(cls, test_name, test_data_docstring, func, v)
delattr(cls, name)
elif hasattr(func, FILE_ATTR):
file_attr = getattr(func, FILE_ATTR)
process_file_data(cls, name, func, file_attr)
delattr(cls, name)
return cls
def unpack(func):
"""
Method decorator to add unpack feature.
"""
setattr(func, UNPACK_ATTR, True)
return func
def data(*values):
"""
Method decorator to add to your test methods.
Should be added to methods of instances of ``unittest.TestCase``.
"""
global index_len
index_len = len(str(len(values)))
return idata(values)
ddt：
装饰类，也就是继承自TestCase的类。
data：
装饰测试方法。参数是一系列的值。
unpack：
传递的是复杂的数据结构时使用。比如使用元组或者列表，添加unpack之后，ddt会自动把元组或者列表对应到多个参数上,字典也可以这样处理；当没有加unpack时，方法的参数只能填一个。
知道了具体应用后，简单来个小例子加深理解。
test_ddt.py
import unittest
import ddt
# 装饰类
@ddt.ddt
class DdtDemo(unittest.TestCase):
def setUp(self):
pass
def tearDown(self):
pass
# 装饰方法
@ddt.data(("15312344578", "12345678"), ("15387654321", "12345678"))
@ddt.unpack
def test_ddt(self, username,password):
print(username,password)
if __name__ == '__main__':
unittest.main(verbosity=2)
运行结果为:
Ran 2 tests in 0.001s
OK
15312344578 12345678
15387654321 12345678
上面的例子是为了加深理解，接下来介绍excel结合ddt实现数据驱动，优化之前的test_login.py模块。
test_login.py
import unittest
from common.requests_handler import RequestsHandler
from common.excel_handler import ExcelHandler
import ddt
import json
@ddt.ddt
class TestLogin(unittest.TestCase):
# 读取excel中的数据
excel = ExcelHandler('../data/cases.xlsx')
case_data = excel.read_excel('login')
print(case_data)
def setUp(self):
# 请求类实例化
self.req = RequestsHandler()
def tearDown(self):
# 关闭session管理器
self.req.close_session()
@ddt.data(*case_data)
def test_login_success(self,items):
# 请求接口
res = self.req.visit(method=items['method'],url=items['url'],json=json.loads(items['payload']),
headers=json.loads(items['headers']))
try:
# 断言：预期结果与实际结果对比
self.assertEqual(res['code'], items['expected_result'])
result = 'Pass'
except AssertionError as e:
result = 'Fail'
raise e
finally:
# 将响应的状态码，写到excel的第9列，即写入返回的状态码
TestLogin.excel.write_excel("../data/cases.xlsx", 'login', items['case_id'] + 1, 9, res['code'])
# 如果断言成功，则在第10行(测试结果)写入Pass,否则，写入Fail
TestLogin.excel.write_excel("../data/cases.xlsx", 'login', items['case_id'] + 1, 10, result)
if __name__ == '__main__':
unittest.main()
整体流程如下图：
到此这篇关于Python接口自动化浅析数据驱动原理的文章就介绍到这了,更多相关Python接口自动化数据驱动内容请搜索hwidc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hwidc！
【原创作者：http://www.1234xp.com/tw.html网络转载请说明出处】