Python 中使用 ddt 来进行数据驱动，批量执行用例，修改ddt代码

1. 什么是数据驱动? 使用数据驱动有什么好处?

用例执行是靠数据来驱动的，每条测试用例除了测试数据不一样意外，所有的用例代码都是一样的，为了使用例批量执行，我们会使用数据驱动的思想来批量执行测试用例；
　　
好处：　
批量的执行测试用例，提高执行的测试效率；数据与脚本分离，测试数据需要修改时，代码不需要修改，只需要修改Excel文件的数据即可；

2. 数据驱动作用：
根据用例的数量来自动生成实例方法, 批量执行用例

#Python学习交流群797877325 免费获取系统学习教程
from ddt import ddt, data

@ddt        # ddt和data是黄金搭档, 要一起使用才行
class TestMulti(unittest.TestCase):

    # 在文件中获取测试用例，*cases()进行拆包，自动创建用例名称：  
    test_negative_multiply + 01
    # *cases 拆包后，会有四个字典，相当于data的位置参数，先去第一个位置参数
    给one_case
    # 1. 每迭代一次，会创建不同的实例方法；自动加01，用于遍历执行所有测试用例
    # 1. 创建实例方法, 用于执行一条测试用例,一定要以test_开头
    @data(*cases)
    def test_negative_multiply(self, one_case):
        。。。。。。。。
        。。。。。。。
        其他代码

ddt总结：

执行了多少条用例, 用例执行的条数与data装饰器的(位置)参数的个数一致，每执行一条用例, 会自动将一个参数传给one_case, 当最后一个参数传给one_case, 且用例执行结束之后, 程序就会执行完毕
ddt和data是黄金搭档, 要一起使用才行

4. 复制 ddt 源码另存为，不建议在源码上修改

修改ddt 源码107行，测试报告中的用例名不明确test_negative_multiply_01
作用：
　如果数据是字典，则获取字典当中的title对应的值，加到HTML测试报告名称中

# 修改大概源码107行的这个方法
def mk_test_name(name, value, index=0):
    """
    name:用例名/实例方法名
    value：用例数据字典
    """

    # Add zeros before index to keep order
    index = "{0:0{1}}".format(index + 1, index_len)

    # 注释下面两行
    # if not is_trivial(value):
    #     return "{0}_{1}".format(name, index)

    # 添加对字典数据的处理
    # 判断如果不是字典类型，条件就不满足；value不是字典类型则为假，就不会按原来拼接
    if not is_trivial(value) and not isinstance(value, dict):
        return "{0}_{1}".format(name, index)

    # 如果数据是字典，则获取字典当中的title对应的值，加到测试用例名称中
    if isinstance(value, dict):
        try:
            # 取出title值
            value = value["title"]
        except KeyError:
            return "{0}_{1}".format(name, index)

    try:
        value = str(value)      # 把title转换为字符串类型
    except UnicodeEncodeError:
        # fallback for python2
        value = value.encode('ascii', 'backslashreplace')   
        # value是title名称
    test_name = "{0}_{1}_{2}".format(name, index, value)    # 用例名称拼接
    return re.sub(r'\W|^(?=\d)', '_', test_name)

如果喜欢小编的分享，欢迎关注转发~

来源：CSDN

作者：python-花猫

链接：https://blog.csdn.net/python_doris/article/details/103873445

标签

ddt

python