参数化数据驱动

Posted 2023-05-16

参考技术A 在自动化测试中，经常会遇到如下场景：

这里只是随意找了两个典型的例子，相信大家都有遇到过很多类似的场景。总结下来，就是在我们的自动化测试脚本中存在参数，并且我们需要采用不同的参数去运行。

经过概括，参数基本上分为两种类型：

然后，对于参数而言，我们可能具有一个参数列表，在脚本运行时需要按照不同的规则去取值，例如顺序取值、随机取值、循环取值等等。

这就是典型的参数化和数据驱动。

如需对某测试用例（testcase）实现参数化数据驱动，需要使用 Parameters 函数，定义参数名称并指定数据源取值方式。

参数名称的定义分为两种情况：

数据源指定支持三种方式：

三种方式可根据实际项目需求进行灵活选择，同时支持多种方式的组合使用。假如测试用例中定义了多个参数，那么测试用例在运行时会对参数进行笛卡尔积组合，覆盖所有参数组合情况。

使用方式概览如下：

将参数名称定义和数据源指定方式进行组合，共有 6 种形式。现分别针对每一类情况进行详细说明。

对于参数列表比较小的情况，最简单的方式是直接在 pytest 中指定参数列表内容。

例如，对于独立参数 password，参数列表为 ['aA123456','A123456','']，那么就可以按照如下方式进行配置：

进行该配置后，测试用例在运行时就会对 password 实现数据驱动，即分别使用 ['aA123456','A123456',''] 三个值运行测试用例。运行日志如下所示：

可以看出，测试用例总共运行了 3 次，并且每次运行时都是采用的不同 password。

对于已有参数列表，并且数据量比较大的情况，比较适合的方式是将参数列表值存储在 CSV 数据文件中。

对于 CSV 数据文件，需要遵循如下几项约定的规则：

例如，password 的参数取值为"aA123456","A123456","" ，那么我们就可以创建 password.csv，并且在文件中按照如下形式进行描述。

然后在 pytest 测试用例文件中，就可以通过内置的 Parameterize（可简写为 P）函数引用 CSV 文件。

假设项目的根目录下有 data 文件夹，password.csv 位于其中，那么 password.csv 的引用描述如下：

即 Parameters 函数的参数（CSV 文件路径）是相对于项目根目录的相对路径。当然，这里也可以使用 CSV 文件在系统中的绝对路径，不过这样的话在项目路径变动时就会出现问题，因此推荐使用相对路径的形式。

对于没有现成参数列表，或者需要更灵活的方式动态生成参数的情况，可以通过在 debugtalk.py 中自定义函数生成参数列表，并在 pytest 引用自定义函数的方式。

例如，若需对 password 进行参数化数据驱动，那么就可以在 debugtalk.py 中定义一个函数，返回参数列表。

然后，在 pytest 的 Parameters 中就可以通过调用自定义函数的形式来指定数据源。

另外，通过函数的传参机制，还可以实现更灵活的参数生成功能，在调用函数时指定需要生成的参数个数。

对于具有关联性的多个参数，例如 username 和 password，那么就可以按照如下方式进行配置：

进行该配置后，测试用例在运行时就会对 password 和 error_code 实现数据驱动，即分别使用
"error_code": "0", "password": "aA123456"、
"error_code": "3007", "password": "A123456"、
"error_code": "3001", "password": ""
运行 3 次测试，并且保证参数值总是成对使用。

对于具有关联性的多个参数，例如 username 和 password，那么就可以创建 username_password_errorCode.csv，并在文件中按照如下形式进行描述。

然后在 pytest 测试用例文件中，就可以通过内置的 parameterize（可简写为 P）函数引用 CSV 文件。

假设项目的根目录下有 data 文件夹，username_password_errorCode.csv 位于其中，那么 username_password_errorCode.csv 的引用描述如下：

对于具有关联性的多个参数，实现方式也类似。
例如，在 debugtalk.py 中定义函数 get_account，生成指定数量的账号密码参数列表。

那么在 pytest 的 Parameters 函数中就可以调用自定义函数生成指定数量的参数列表。

完成以上参数定义和数据源准备工作之后，参数化运行与普通测试用例的运行完全一致。

采用 hrun 命令运行自动化测试：

采用 locusts 命令运行性能测试：

区别在于，自动化测试时遍历一遍后会终止执行，性能测试时每个并发用户都会循环遍历所有参数。

pytest数据参数化和数据驱动yaml的简单使用

Pytest参数化

• @pytest.mark.parametrize(argnames, argvalues)
• argnames: 要参数化的变量， string(逗号分隔)， list, tuple
• argvalues: 参数化的值，list, list[tuple]

新建一个 简单的 test_demo.py 代码内容为:

class TestClass:
    @pytest.mark.parametrize(\'a,b\', [(1, 2), (2, 3), (4, 5)])
    def test_a(self, a, b):
        # print(f\'login name is {}\')
        print(a + b)
        print(\'1\')

    def test_b(self):
        print(\'2\')

    def test_c(self, login):
        print(f\'login name is {login}\')
        print(\'3\')
然后在控制台中 输入 上一节 学到的 -k(指定函数) -v（打印详细内容） -s （输出print内容)
pytest -v -k test_a -s

可以看到想要的结果

测试结构化的简单demo

读取yaml文件， 先建立一个数组的demo
yaml的语法 可以参考 https://www.runoob.com/w3cnote/yaml-intro.html

-
  - 10
  - 20
-
  - 30
  - 40

然后建立一个Pytest去读取

import pytest
import yaml

class TestClass:
    @pytest.mark.parametrize(\'a,b\', yaml.safe_load(open(\'env.yml\')))
    def test_a(self, a, b):
        print(a + b)
        print(\'1\')

常常我们需要结构化我们的测试环境，一般配置文件放在yaml中，简单的读取

yml 文件内容：
-
  languages:
    - Ruby
    - Perl
    - Python 
  websites:
    YAML: yaml.org 
    Ruby: ruby-lang.org 
    Python: python.org 
    Perl: use.perl.org

  dev: # 生产环境
    ip: 127.0.0.1

---- # 注意点 当不知道自己写的yml格式对象是否正确的时候可以通过读取出来来验证
class TestClass:
   def test_b(self):
        print(yaml.safe_load(open(\'env.yml\')))
# 然后执行命令行： pytest -v -k test_b -s 就可以看到写的yml

# 下面是读取配置文件的写法，前提是知道自己的yml是什么样子
import pytest
import yaml
class TestClass:
    @pytest.mark.parametrize(\'env\', yaml.safe_load(open(\'env.yml\')))
    def test_a(self, env):
        if "dev" in env:
            # print(env) 可以先打印出来看看 是什么结构
            print(f\'生产环境, ip地址为{env.get("dev").get("ip")}\')
        elif "test" in env:
            print(\'测试环境\')
然后执行命令： pytest -v -k test_a -s 就可以看到执行的结果

下一次随笔写的是测试报告的美化与定制 Allure测试框架的使用