Japanese日本熟妇,91免费国产高清在线

主頁 > 知識庫 > Python接口自動化淺析數據驅動原理

Python接口自動化淺析數據驅動原理

一、openpyxl模塊

openpyxl模塊介紹

openpyxl是python第三方模塊，運用openpyxl庫可以進行excel的讀和寫。

在了解openpyxl模塊之前，我們需要先熟悉excel的結構，才能更好理解openpyxl是如何操作excel。

從外到內，首先是一個excel文件(名)，打開excel之后，會看到底部有一個或多個sheet(工作簿)，每個sheet里有很多單元格，總體來說，主要分為三個層級。

在opnepyxl里面，一個Excel文件對應著一個Workbook對象，一個Sheet對應著一個Worksheet對象，而一個單元格對應著一個Cell對象。了解這些之后，對openpyxl是如何操作excel就比較清楚了。

openpyxl安裝

pip install openpyxl

openpyxl簡單使用

import openpyxl
 
if __name__ == '__main__':
    path = 'F:/case/test_case.xlsx'
    # 讀取excel文件
    workbook = openpyxl.load_workbook(path)
    # 讀取所有sheet
    sheet = workbook.get_sheet_names()
    # 獲取某個sheet
    sheet = workbook[sheet[0]]
    # 獲取某個cell的值
    cell_val = sheet.cell(row=2, column=2).value
    print(cell_val)

以上僅介紹openpyxl常用的語法，有興趣了解更多內容可自行百度擴展。

二、Excel用例管理

在項目下，新建一個文件夾：data，文件夾下新建一個cases.xlsx文件，用來存放測試用例。

以下，是一個簡單的登錄測試用例設計模板：

可以根據該表格生成實際結果，并將測試結果寫入（Pass、Fail）表格。

公眾號后臺回復：接口測試用例模板，可以獲取完整接口測試用例Excle模板。

既然有了用例模板，我們就開始從用openpyxl模塊對excel讀寫數據。

如下，在common文件夾下，新建excel_handle.py，用于封裝操作excel的類。

excel_handle.py

import openpyxl
class ExcelHandler:
    def __init__(self, file):
        self.file = file
    def open_excel(self, sheet_name):
        """打開Excel、獲取sheet"""
        wb = openpyxl.load_workbook(self.file)
        # 獲取sheet_name
        sheet = wb[sheet_name]
        return sheet
    def get_header(self, sheet_name):
        """獲取header(表頭)"""
        wb = self.open_excel(sheet_name)
        header = []
        # 遍歷第一行
        for i in wb[1]:
            # 將遍歷出來的表頭字段加入列表
            header.append(i.value)
        return header
    def read_excel(self, sheet_name):
        """讀取所有數據"""
        sheet = self.open_excel(sheet_name)
        rows = list(sheet.rows)
        data = []
        # 遍歷從第二行開始的每一行數據
        for row in rows[1:]:
            row_data = []
            # 遍歷每一行的每個單元格
            for cell in row:
                row_data.append(cell.value)
                # 通過zip函數將兩個列表合并成字典
                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寫入數據"""
        wb = openpyxl.load_workbook(file)
        sheet = wb[sheet_name]
        sheet.cell(row, cloumn).value = data
        wb.save(file)
        wb.close()
if __name__ == "__main__":
    # 以下為測試代碼
    excel = ExcelHandler('../data/cases.xlsx')
    data = excel.read_excel('login')

接下來結合ddt實現數據驅動，先簡單來介紹下ddt。

三、ddt介紹及使用

ddt介紹

名稱：Data-Driven Tests，數據驅動測試
作用：由外部數據集合來驅動測試用例的執行
核心的思想：數據和測試代碼分離
應用場景：一組外部數據來執行相同的操作
優點：當測試數據發生大量變化的情況下，測試代碼可以保持不變
實際項目：excel存儲測試數據，ddt讀取測試數據到單元測試框架（測試用例中）

補充：

所謂數據驅動，就是數據的改變從而驅動自動化測試的執行，最終引起測試結果的改變。說的直白些，就是參數化的應用。

ddt安裝

pip install ddt

ddt使用

要想知道ddt到底怎么使用，我們從ddt模塊源碼中提取出三個重要的函數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：

裝飾類，也就是繼承自TestCase的類。

data：

裝飾測試方法。參數是一系列的值。

unpack：

傳遞的是復雜的數據結構時使用。比如使用元組或者列表，添加unpack之后，ddt會自動把元組或者列表對應到多個參數上,字典也可以這樣處理；當沒有加unpack時，方法的參數只能填一個。

知道了具體應用后，簡單來個小例子加深理解。

test_ddt.py

import unittest
import ddt
# 裝飾類
@ddt.ddt
class DdtDemo(unittest.TestCase):
    def setUp(self):
        pass
    def tearDown(self):
        pass
    
    # 裝飾方法
    @ddt.data(("15312344578", "12345678"), ("15387654321", "12345678"))
    @ddt.unpack
    def test_ddt(self, username,password):
        print(username,password)
if __name__ == '__main__':
    unittest.main(verbosity=2)

運行結果為:

Ran 2 tests in 0.001s
OK
15312344578 12345678
15387654321 12345678

上面的例子是為了加深理解，接下來介紹excel結合ddt實現數據驅動，優化之前的test_login.py模塊。

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):
    # 讀取excel中的數據
    excel = ExcelHandler('../data/cases.xlsx')
    case_data = excel.read_excel('login')
    print(case_data)
    def setUp(self):
        # 請求類實例化
        self.req = RequestsHandler()
    def tearDown(self):
        # 關閉session管理器
        self.req.close_session()
    @ddt.data(*case_data)
    def test_login_success(self,items):
        # 請求接口
        res = self.req.visit(method=items['method'],url=items['url'],json=json.loads(items['payload']),
                             headers=json.loads(items['headers']))
        try:
            # 斷言：預期結果與實際結果對比
            self.assertEqual(res['code'], items['expected_result'])
            result = 'Pass'
        except AssertionError as e:
            result = 'Fail'
            raise e
        finally:
            # 將響應的狀態碼，寫到excel的第9列，即寫入返回的狀態碼
            TestLogin.excel.write_excel("../data/cases.xlsx", 'login', items['case_id'] + 1, 9, res['code'])
            # 如果斷言成功，則在第10行(測試結果)寫入Pass,否則，寫入Fail
            TestLogin.excel.write_excel("../data/cases.xlsx", 'login', items['case_id'] + 1, 10, result)
if __name__ == '__main__':
    unittest.main()

整體流程如下圖：