自动化测试中，测试数据与脚本分离以及参数化方法

构建测试知识体系，欢迎关注python

“测试数据与测试脚本分离，对测试脚本进行参数化”
shell

正文字数1535数据库

前面两篇分别介绍了两种测试函数参数化的方法。json

这篇文章，咱们来看看如何将数据和脚本分离，而且还可以实现参数化。微信

测试数据和测试代码在实际的测试工做中，每每是分开存放的，利于测试数据和测试脚本的分开来维护。好比，为测试用例添加几组新的测试数据，只须要修改测试数据文件，测试代码不须要动；若是是测试用例增长了新的校验点，只须要修改测试脚本，不须要修改测试数据文件。app

01编辑器

—函数

准备测试数据

如今在data/目录下建立一个用于存放测试数据的Yaml文件test_in_theaters.yaml，内容以下:

---tests:- case: 验证响应中start和count与请求中的参数一致 input: method: GET path: /v2/movie/in_theaters headers: User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36 params: apikey: 0df993c66c0c636e29ecbb5344252a4a start: 0 count: 10 expected: response: title: 正在上映的电影-上海 count: 10 start: 0- case: 验证响应中title"正在上映的电影-北京" input: method: GET path: /v2/movie/in_theaters headers: User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36 params: apikey: 0df993c66c0c636e29ecbb5344252a4a start: 1 count: 5 expected: response: title: 正在上映的电影-北京 count: 5 start: 1

熟悉Yaml格式的同窗，应该很容易看懂上面测试数据文件的内容。这个测试数据文件中，有一个数组tests，里面包含的是两条完整的测试数据。一个完整的测试数据由三部分组成：

case，表示测试用例名称。
input，表示输入参数。
expected，表示预期结果。

上面的input输入参数，是一个http请求对象，包含了被测接口的全部参数，包括请求方法、请求路径、请求头、请求参数。expected表示预期结果，上面的测试数据中，只列出了对请求响应的预期值，实际测试中，还能够列出对数据库的预期值。

—

编写测试脚本

新建一个测试脚本test_paramtrize_by_data_driven.py，内容以下：

import pytest
class TestDataDriven: @pytest.mark.datafile('data/test_in_theaters.yaml') # 相对于项目根目录的相对路径 def test_data_driven(self, parameters): print(parameters['input']) print(parameters['expected'])

首先看一下测试函数，在测试函数上方使用了一个叫作datafile的marker来为测试函数提供数据。测试数据的路径是相对于项目根路径的相对路径，这里表示的是测试数据是在项目的根路径下data目录中的test_in_theaters.yaml。测试函数经过parameters这个fixture拿到测试数据内容。

—

实现pytest_generate_tests Hook

上面测试脚本使用测试数据的方法，是在tests/conftest.py文件中的pytest_generate_tests函数中实现的。

import yamlimport json
def pytest_generate_tests(metafunc): ids = [] markers = metafunc.definition.own_markers for marker in markers: if marker.name == 'datafile': # 读取外数据 test_data_path = os.path.join(metafunc.config.rootdir, marker.args[0]) # 拼接测试数据路径 with open(test_data_path) as f: ext = os.path.splitext(test_data_path)[-1] if ext in ['.yaml', '.yml']: test_data = yaml.safe_load(f) elif ext == '.json': test_data = json.load(f) else: raise TypeError('datafile must be yaml or json，root must be tests') if "parameters" in metafunc.fixturenames: # 用外部数据进行参数化 for data in test_data['tests']: # 用test_data中的case做为测试用例名称 ids.append(data['case']) # 用test_data这个列表对parameters进行参数化。        metafunc.parametrize("parameters", test_data['tests'], ids=ids, scope="function")

metafunc.definition.own_markers能够读取到测试函数中全部的marker，若是存在datafile这个marker，表示须要从外部读取测试数据，测试数据能够是YAML格式也能够是Json格式。若是测试函数的metafunc.fixturenames中含有parameters这个fixture函数，就用外部测试数据对它进行参数化。

—

参数化套路

有了pytest_generate_tests这个Hook函数后，对测试函数进行参数化须要作三个改动：

在data目录下新加一个YAML或者Json格式文件。文件内容格式参考上面的例子。
指定测试数据文件的路径@pytest.mark.datafile('data/test_in_theaters.yaml')
给测试数据提供一个叫作 parameters的fixture

如今，整个项目的目录结构应该是以下所示：

$ tree.├── Pipfile├── Pipfile.lock├── data│ └── test_in_theaters.yaml├── tests│ └── conftest.py│ └── test_data_driven.py

—

总结

本文实现测试脚本和测试数据的分离的核心，仍是实现了Hook函数，在Hook函数中读取测试数据文件，并对测试函数的fixture进行参数化。

本文分享自微信公众号 - 明说软件测试（liuchunmingnet）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。