unittest断言 & 数据驱动

"""
  通过断言判断用例是否成功
"""
import unittest


class Test(unittest.TestCase):
    def test01(self):
        a = 'hello'
        b = 'hello'
        self.assertEqual(a, b)

    def test02(self):
        a = 'Python'
        b = 'Python自动化'
        self.assertIn(a, b)

    def test03(self):
        a = 'Python'
        b = 'Python自动化'
        self.assertNotIn(a, b, msg='报错原因,%s没有包含%s' % (a, b))


if __name__ == '__main__':
    unittest.main()

 

 # 数据驱动ddt

在设计用例时候，有些用例参数数据输入不一样。操作过程是一样的，如果用例重复去写操作过程会增加代码量，
对于多组数据的测试用例，可以用数据驱动设计模式，一组数据对应一个测试用例，用例自动加载生成。

　　安装ddt模块：pip install ddt

数据驱动原理

• 测试数据为多个字典的list类型
• 测试类前加修饰 @ ddt.ddt
• case前加修饰 @ ddt.data()
• 运行后用例会自动加载成三个单独的用例

@data(a,b)

那么a和b各运行一次用例

@data([a,d],[c,d])

如果没有@unpack，那么[a,b]当成一个参数传入用例运行

如果有@unpack，那么[a,b]被分解开，按照用例中的两个参数传递

def readFile():
    # 定义一个list集合
    params = []
    file = open('ppp.yml', 'r', encoding='gbk')
    for line in file.readline():
        params.append(line.strip('\n').split(','))
    return params


@ddt
class TestCase(unittest.TestCase):

    def setUp(self) -> None:
        self.driver = webdriver.Chrome()
        self.driver.get("http://www.baidu.com")

    def tearDown(self) -> None:
        time.sleep(2)
        self.driver.quit()

    @data("Java", "Python")
    def test_01(self, txt):
        self.driver.find_element_by_id("kw").send_keys(txt)
        self.driver.find_element_by_id("su").click()

    @data(("30而立", "加油"), ("奥力给", "哈哈"))
    @unpack
    def test_02(self, args, args1):
        print(args)
        print(args1)

    @file_data('ppp.yml')
    def test_03(self, **kwargs):
        # 获取参数中key为name的value
        print(kwargs.get('name'))
        # key为text的value
        print(kwargs.get('job'))


if __name__ == '__main__':
    unittest.main()

# Python ddt 实现数据驱动（案例一）

import unittest
from ddt import ddt,data,unpack

@ddt
class MyTesting(unittest.TestCase):
    def setUp(self):
        print('this is the setUp')
    @data([1,2,3])
    def test_1(self,value):
        print(value)

    @data([3,2,1],[5,3,2],[10,4,6])
    @unpack
    def test_minus(self,a,b,expected):
        actual = int(a) - int(b)
        expected = int(expected)
        self.assertEqual(actual, expected)

    @data([2,3],[4,5])
    def test_compare(self,a,b):
        self.assertEqual(a,b)

    def tearDown(self):
        print('this is tearDown')

if __name__ == '__main__':
    unittest.main(verbosity=2)

 # Python ddt数据驱动二（json，yaml驱动）

　　① 通过json文件驱动

@ddt
class MyTest(unittest.TestCase):

    @file_data('test_data_list.json')
    def test_data_list(self,value):
        print(value)

    @file_data('test_data_dict.json')
    def test_data_dict(self,value):
        print(value)

　　② 通过yaml文件驱动

pip install pyyaml进行安装

直接import yaml，右键运行py文件，不报错，则为导入成功。

1.PyYaml简介

YAML是一种容易阅读、适合表示程序语言的数据结构、可用于不同程序间交换数据、丰富的表达能力和可扩展性、易于使用的语言。通过缩进或符号来表示数据类型。

Yaml提供了多种方法，常用的为yaml.load和yaml.dump。

2.基本语法规则如下：

1. 大小写敏感
2. 使用缩进表示层级关系
3. 缩进时不允许使用Tab键，只允许使用空格。
4. 缩进的空格数目不重要，只要相同层级的元素左侧对齐即可
5. # 表示注释，从这个字符一直到行尾，都会被解析器忽略，这个和python的注释一样

3.PyYaml文件编写格式

yaml文档除了可以通过dump进行转化之外，也可以根据yaml文档的格式进行编写。

1. 对象的一组键值对，使用冒号结构表示。
2. 一组减号开头的行，构成一个list。
3. 对象和数组可以结合使用，形成复合结构。
4. ~ 代表None
5. 布尔类型 直接写bool: True False

4.YAML 支持的数据结构有三种：

　　　　1、对象：键值对的集合，又称为映射（mapping）/ 哈希（hashes） / 字典（dictionary）

　　　　2、数组：一组按次序排列的值，又称为序列（sequence） / 列表（list）

　　　　3、纯量（scalars）：单个的、不可再分的值。字符串、布尔值、整数、浮点数、Null、时间、日期

import yaml

# 写入yaml文件
# yaml.dump 将一个Python对象生成为yaml文档。参数一为要转为yaml文档的数据，参数二必须为一个已经打开的文件对象。
with open('dump.yml', 'w') as f:
    d = {
        'student': {
            'name': 'Lily',
            'age': 21,
            'love': {
                'ball': 'volleyball',
                'book': 'Python'
            }
        },
        'teacher': {
            'name': 'Bob',
            'age': 20
        },
        'data': [2, 3, 4, 5]
    }
    yaml.dump(d, f)

# 加载yaml文件
with open('dump.yml', 'r') as f:
    data = yaml.load(f)
    print(data)

yaml.dump([data,filehandle])

yaml.dump 将一个Python对象生成为yaml文档。参数一为要转为yaml文档的数据，参数二必须为一个已经打开的文件对象。

这里是将转成的yaml格式保存到文件里，以下是保存到文件里的数据。

yaml.load([filehandle])

yaml.load接收文件句柄，将yml文件中的数据转为Python的数据类型。

{'data': [2, 3, 4, 5], 'student': {'age': 21, 'love': {'ball': 'volleyball', 'book': 'Python'}, 'name': 'Lily'}, 'teacher': {'age': 20, 'name': 'Bob'}}

可以将yaml与ddt联合应用，将yaml作为数据存储，可以将test case写在yaml文件里。

@file_data('test_data2.yml')
def test_data_yaml(self,value):
     print(value)
     print(type(value))

• 组合使用后，通过yaml的数据来控制case的执行。
• yaml文档的使用，使case维护更加方便快捷。