接口測試框架實戰（三）| JSON 請求與響應斷言

關注公眾號，獲取測試開發實戰乾貨合輯。本文節選自霍格沃茲《測試開發實戰進階》課程教學內容。

數據驅動就是通過數據的改變驅動自動化測試的執行，最終引起測試結果的改變。簡單來說，就是參數化在自動化測試中的應用。

測試過程中使用數據驅動的優勢主要體現在以下幾點：

提高代碼復用率，相同的測試邏輯只需編寫一條測試用例，就可以被多條測試數據復用，提高了測試代碼的復用率，同時提高了測試代碼的編寫效率。
異常排查效率高，測試框架依據測試數據，每條數據生成一條測試用例，用例執行過程相互隔離。如果其中一條失敗，不會影響其他的測試用例。
代碼可維護性高，清晰的測試框架利於其他測試工程師閱讀，提高代碼的可維護性。

測試數據的數據驅動

數據量小的測試用例可以使用代碼的參數化來實現數據驅動，數據量大的情況下建議大家使用一種結構化的文件（例如 YAML，JSON 等）來對數據進行存儲，然後在測試用例中讀取這些數據。

參數化實現數據驅動

Pytest 提供了 @pytest.mark.parametrize 裝飾器來進行參數化，可以使用參數化來實現數據驅動。代碼如下：

import pytest

@pytest.mark.parametrize("key, stock_type, price", [
        ("alibaba", "BABA", 200),
        ("JD", "JD", 20)
    ])
    def test_search_data(self, key, stock_type, price):
        assert self.main.goto_search_page().\
        search(key).get_price(stock_type) > price

上面的代碼首先使用 @pytest.mark.parametrize 裝飾器，傳遞了兩組數據，測試結果顯示有兩條測試用例被執行，而不是一條測試用例。也就是 Pytest 會將兩組測試數據自動生成兩個對應的測試用例並執行，生成兩條測試結果。

使用 YAML 文件實現數據驅動

當測試數據量大的情況下，可以考慮把數據存儲在結構化的文件中。從文件中讀取出代碼中所需要格式的數據，傳遞到測試方法中執行。這裡推薦大家使用 YAML 類型的文件來存儲測試數據。YAML 使用動態字段進行結構化，它以數據為中心，比 Excel、CSV、JSON、XML 等更適合做數據驅動。

下面，我們將上面參數化的兩組數據存儲到 YAML 文件中，創建一個 data/searchdata.yml 文件，代碼如下：

-
  - 'alibaba'
  - 'BABA'
  - 200
-
  - 'JD'
  - 'JD'
  - 20

上面的代碼定義了一個 yaml 格式的數據文件 searchdata.yml ，文件中定義了一個列表，列表中有兩組數據，最後生成的是這樣的數據格式：[[“alibaba”, “BABA”, 200],[“JD”, “JD”, 20]] 。

下一步將測試用例中參數化的數據改造成從 searchdata.yml 文件中讀取，代碼如下：

import pytest
import yaml

@pytest.mark.parametrize("search_key, type, price",\
yaml.safe_load(open("../data/searchdata.yml")))
    def test_search(self, search_key, type, price):
        assert self.main.goto_search_page().\
        search(search_key).get_price(type)>price

上面的代碼，只需要使用 yaml.safe_load() 方法，就來讀取 searchdata.yml 文件中的數據，分別傳入到用例 test_search() 方法中完成數據的輸入與結果的驗證。而如果使用 Excel、CSV 文件格式進行數據的存儲，需要先從 Excel 文件中讀取數據，再解析成需要的格式。而使用 YAML 則完全省去了這個過程。

以上，關於其他環節的數據驅動，在後續章節分享。

想收看更多內容，可關注公眾號：霍格沃茲測試學院

Tags: JAVA pathon 性能測試自動化測試軟件測試軟件測試開發