自动化测试之DDT数据驱动

数据驱动介绍

• 数据驱动即通过改变测试数据（即对测试数据进行参数化），来驱动测试的执行。在测试的过程中，我们经常会遇到这种场景：测试的步骤是一样的，只是使用数据不同，这种情况就可以使用数据驱动，从而实现了数据和代码的分离，减少了代码的冗余，例如：

• 百度搜索的测试，我们需要执行以下测试用例

• 搜索电影

• 搜索热点新闻

• ........

DDT实现数据驱动

1. DDT介绍

• ddt是“Data-Driven Tests”的缩写，是unittest中实现数据驱动的主要方式之一，它主要包括如下的装饰器：

• @ddt

• 标记测试类，支持DDT数据驱动
  

• @data

• 标记测试用例，传递参数
  

• @unpack

• 当@data中的参数是元组、列表时，用于分割序列中的元素
  

• @file_data

• 标记测试用例，传递文件，支持yaml和json文件

2. DDT的使用前准备

• 安装ddt工具，并导包

• 安装ddt

• pip install ddt
  

• 导包

• import unittest
  from ddt import ddt,data,unpack,file_data
  

3. 使用DDT传递数据 --- 直接传入参数

• 用例只有一个参数的情形：

• @ddt  #在测试类前使用ddt修饰器
  class DdtDemo(unittest.TestCase):
      #直接传入参数
      @data("zhangs","lisi","wangw") # 在用例前使用@data传参
      def test_login(self, user): # 用例只有一个参数：user
          print("{}登录成功".format(user))
  

• 

• 用例中有多个参数 --- 必须使用@unpack

• 没有使用unpack的情形

• 

• 使用unpack对每次传入的参数（序列参数），进行拆包处理（即分割后在传给用例中对应的形参）

• 

• 传入一个序列（元组、列表）

• 传入序列时，必须使用*拆包，否则会将会整个数据作为一个整体传入

• 没有拆包时，如下：
  

• 
  

• 传入时使用*拆包时，如下：
  

• 

• @unpack和*的区别

• 很多初学者一直弄不清楚*和@unpack修饰器的区别，其实很简单：

• *是对传入的序列进行拆包，拆包后将元素依次传给测试用例，表示用例执行的次数

• @unpack是对每次传入用例的参数进行拆包，拆包后将元素依次传给用例的每个参数，表示执行每次用例时的参数

• 举例

• 

4. 使用DDT传递数据 --- 传入文件

• 使用@file_data修饰器可以直接读取文件，支持yaml和json两种格式

• 一个形参的情形

• yaml文件

• 

• 代码实例

• 

• 多个形参的情形

• 注意事项

• yaml文件中key和用例形参名必须保持一致

• yaml文件

• 

• 代码实例

•