Python中DDT数据驱动详解

测试数据与逻辑分离：

测试逻辑是固定的，而测试数据可以从外部文件或数据库中动态加载。

数据可以是输入参数、预期结果或配置信息。

数据源：

常见的数据源包括：CSV文件、Excel文件、JSON文件、数据库、API等。

测试用例动态生成：

根据数据源中的每一行数据，动态生成一个测试用例。

提高测试覆盖率：

通过多组数据测试同一逻辑，覆盖更多场景。

减少代码重复：

测试逻辑只需编写一次，数据可以动态加载。

易于维护：

当测试数据变化时，只需修改数据源，而无需修改测试代码。

支持复杂场景：

可以通过大量数据组合测试边界条件和异常情况。

安装 ddt：

pip install ddt

示例代码1：

import unittest
from ddt import ddt, data, unpack

@ddt
class TestMathOperations(unittest.TestCase):

    @data((1, 2, 3), (4, 5, 9), (10, -5, 5))
    @unpack
    def test_addition(self, a, b, expected_result):
        self.assertEqual(a + b, expected_result)

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

运行结果：

每组数据会生成一个独立的测试用例。

示例代码2：

import requests
import unittest
from ddt import ddt, data
test_data = [
    {'method':'post', 'url':'http://www.jd.com'},
    {'method':'put', 'url':'http://www.jd.com'},
    {'method':'put', 'url':'http://www.jd.com'},
]
@ddt
class Test(unittest.TestCase):
    @data(*test_data)
    def test01(self, case):
        print('请求', type(case))
        res = requests.request(method=case['method'], url=case['url'])
        print(res)


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

运行结果：

请求 <class 'dict'>
<Response [200]>
请求 <class 'dict'>
<Response [200]>
请求 <class 'dict'>


<Response [200]>
Ran 3 tests in 0.423s

OK

示例代码：

import pytest

# 测试数据
test_data = [
    (1, 2, 3),
    (4, 5, 9),
    (10, -5, 5)
]

@pytest.mark.parametrize("a, b, expected_result", test_data)
def test_addition(a, b, expected_result):
    assert a + b == expected_result

运行结果：

每组数据会生成一个独立的测试用例。

从 CSV 文件加载数据：

import csv
import pytest

def load_test_data_from_csv(file_path):
    test_data = []
    with open(file_path, newline='') as csvfile:
        reader = csv.reader(csvfile)
        next(reader)  # 跳过表头
        for row in reader:
            test_data.append(tuple(map(int, row)))  # 将数据转换为整数
    return test_data

test_data = load_test_data_from_csv("test_data.csv")

@pytest.mark.parametrize("a, b, expected_result", test_data)
def test_addition(a, b, expected_result):
    assert a + b == expected_result

CSV 文件示例 (test_data.csv)：

a,b,expected_result
1,2,3
4,5,9
10,-5,5

从 JSON 文件加载数据：

import json
import pytest

def load_test_data_from_json(file_path):
    with open(file_path) as f:
        return json.load(f)

test_data = load_test_data_from_json("test_data.json")

@pytest.mark.parametrize("data", test_data)
def test_addition(data):
    assert data["a"] + data["b"] == data["expected_result"]

JSON 文件示例 (test_data.json)：

[
    {"a": 1, "b": 2, "expected_result": 3},
    {"a": 4, "b": 5, "expected_result": 9},
    {"a": 10, "b": -5, "expected_result": 5}
]

数据源管理：

将测试数据存储在外部文件中，便于维护和共享。

数据格式标准化：

使用统一的格式（如 CSV、JSON）存储测试数据。

边界测试：

在数据中包含边界值和异常值，确保测试覆盖全面。

数据清理：

在测试前后清理测试环境，避免数据污染。

测试报告：

生成详细的测试报告，记录每组数据的测试结果。

API 测试：

使用多组输入参数测试 API 的响应。

UI 测试：

使用多组数据测试表单提交、登录等功能。

数据库测试：

使用多组数据测试数据库查询和写入操作。

性能测试：

使用多组数据模拟不同负载场景。