简介

• ddt 提供了一种方便的方法来实现数据驱动测试（Data-Driven Testing）。
• 数据驱动测试是一种测试方法，通过将测试数据与测试逻辑分开，可以使用不同的数据集来运行相同的测试用例。这样可以提高测试的灵活性和可维护性，减少代码的重复编写。

                         

目录

1. 常用方法说明

2. 数据驱动测试

2.1. 基本结构介绍

2.2. 简单的使用方法

2.3. 读取csv文件测试

2.4. 读取Excel文件测试

---

                         

1. 常用方法说明

ddt.data(*args)

• 装饰器，用于指定测试方法的数据来源。
• *args 可以接受多个数据集，每个数据集会生成一个独立的测试用例。

                         

ddt.unpack(data)

• 装饰器，用于解压数据集。
• 通常与 ddt.data(*args) 一起使用，将传入的数据集解压为多个参数，以便用于测试方法的参数化调用。

                         

ddt.file_data(file_path)

• 装饰器，用于读取文件中的测试数据。
• file_path 参数指定要读取的文件路径，文件可以是CSV、Excel等格式。

                         

                         

2. 数据驱动测试

2.1. 基本结构介绍

1、ddt 用于数据驱动，测试还需要导入 unittest 模块

import ddt
import unittest

                         

2、创建一个继承自测试框架的类（使用 @ddt.ddt 装饰器来标记该类为数据驱动测试类）

@ddt.ddt
class MyDataDrivenTest(unittest.TestCase):print("测试方法1")print("测试方法2")print("测试方法3")

                         

3、测试方法中，使用 @ddt.data 装饰器来指定测试数据集

'''指定多个数据作为测试用例'''
@ddt.data((1, 2), (3, 6), (4, 8))  
'''解压缩数据元组'''
@ddt.unpack
'''定义测试方法'''
def test_example(self, input_data, expected_result):# 运行另一个测试函数(test_func)，代入输入数据，并返回结果result = test_func(input_data)  # 对返回结果断言(预期为指定的预期结果)self.assertEqual(result, expected_result)  

                         

4、执行数据驱动测试

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

                         

2.2. 简单的使用方法

通过 ddt.data 传入数据，测试方法根据数据个数依次调度，通过预期和实际结果进行断言。

import unittest
import ddt'''继承自测试的框架，定义为数据驱动类'''
@ddt.ddt
class MyDataDrivenTest(unittest.TestCase):# 准备驱动数据 ([输入,预期] , [输入，预期]...)@ddt.data([1, 2], [2, 4], [3, 6])@ddt.unpack     # 解压数据def test_func1(self, input, expect):# 简单的测试方法result = input * 2# 打印数据信息print(f'输入数据：{input}，输出数据：{result}，预期结果：{expect}')# 断言输出数据和预期结果self.assertEqual(result, expect)if __name__ == '__main__':unittest.main()     # 执行

注意：这里的 result = input * 2 只是一个简单的测试方法，一般对于实际场景会把这里改成一个专门的测试函数。

例如：测试Linux某个目录下有多少文件，则将输入数据定义为路径，预期结果定义为文件数量。通过一个专门的方法去获取文件数据，则 result = get_filenum(input) 通过 get_filenum 去获取文件数量，再将返回结果断言。

举一个异常的输出例子

                         

2.3. 读取csv文件测试

csv文件内容如下

 

                          

ddt.file_data 方法可以直接读取文件，但是打开文件出错，没有找到解决的方法。

使用 csv 模块自己封装一个读取文件的方法。

import csvfile_path = r'E:\test.csv'def get_csv(file):'''定义一个读取csv文件内容的方法'''with open(file, encoding='utf-8') as f:# 创建读取对象csv_reader = csv.reader(f)# 跳过第一行（next() 函数用于获取迭代器的下一个元素）next(csv_reader)# 将文件内容赋值给变量csv_value = [v for v in csv_reader]# 返回结果return csv_value'''调用方法'''
result = get_csv(file_path)
print(result)

结果如下

                         

套入方法，执行测试

import ddt
import csv
import unittest# 指定测试文件路径
file_path = r'E:\test.csv'def multiplication(input_data):'''定义一个测试方法,这里的名称不能以test开头，否则会被读取为框架方法'''return input_data * 2def get_csv(file):'''定义一个读取csv文件内容的方法'''with open(file, encoding='utf-8') as f:csv_reader = csv.reader(f)next(csv_reader)csv_value = [v for v in csv_reader]return csv_value@ddt.ddt
class MyDataDrivenTest(unittest.TestCase):'''封装一个数据驱动测试框架'''# 获取csv文件内容csv_data = get_csv(file_path)# 将内容当做数据传入驱动@ddt.data(*csv_data)@ddt.unpack     # 解压数据def test_func(self, *test_data):# 读取传入的两个数据input,expect = test_data# 因为测试方法是计算，将结果转换为int类型input = int(input); expect = int(expect)# 执行测试，将返回结果赋值result = multiplication(input)# 打印测试信息print(f'输入数据：{input}，输出数据：{result}，预期结果：{expect}')# 断言输出数据和预期结果self.assertEqual(result, expect)if __name__ == '__main__':unittest.main()

输出结果

                         

2.4. 读取Excel文件测试

Excel 文件内容如下

                         

通过 openpyxl 去读取数据（不读第1行）

import openpyxlfile_path = r'E:\test.xlsx'def get_excel(file):'''定义一个读取Excel文件内容的方法'''# 打开文件wb = openpyxl.load_workbook(file)# 指定工作表wb_sheet = wb['Sheet1']# 指定读取行、列（行：第2-最大行，列：第1-2列）wb_data = wb_sheet.iter_rows(min_row=2, min_col=1, max_col=2, values_only=True)# 通过行去遍历列的值（不需要手动关闭文件，load_workbook()自动关闭）return [i for i in wb_data]'''调用方法'''
result = get_excel(file_path)
print(result)

结果如下

                         

套入方法，执行测试

import ddt
import openpyxl
import unittest# 指定测试文件路径
file_path = r'E:\test.xlsx'def get_excel(file):'''定义一个读取Excel文件内容的方法'''wb = openpyxl.load_workbook(file)wb_sheet = wb['Sheet1']wb_data = wb_sheet.iter_rows(min_row=2, min_col=1, max_col=2, values_only=True)return [i for i in wb_data]@ddt.ddt
class TestExcel(unittest.TestCase):'''封装一个数据驱动的测试框架'''# 读取Excel文件数据excel_data = get_excel(file_path)# 将数据传入驱动@ddt.data(*excel_data)@ddt.unpackdef test_func(self, *test_data):# 仅设定了2列数据，所以结果只需要2个input,expect = test_data# 输出获取到的结果print(f'input：{input}，expect：{expect}')# 执行测试、断言passif __name__ == '__main__':unittest.main()

结果如下