背景
python 的unittest 没有自带数据驱动功能。
所以如果使用unittest,同时又想使用数据驱动,那么就可以使用DDT来完成。
DDT是 “Data-Driven Tests”的缩写。
资料: http://ddt.readthedocs.io/en/latest/
使用方法
dd.ddt:
装饰类,也就是继承自TestCase的类。
ddt.data:
装饰测试方法。参数是一系列的值。
ddt.file_data:
装饰测试方法。参数是文件名。文件可以是json 或者 yaml类型。
注意,如果文件以”.yml”或者”.yaml”结尾,ddt会作为yaml类型处理,其他所有文件都会作为json文件处理。
如果文件中是列表,每个列表的值会作为测试用例参数,同时作为测试用例方法名后缀显示。
如果文件中是字典,字典的key会作为测试用例方法的后缀显示,字典的值会作为测试用例参数。
ddt.unpack:
传递的是复杂的数据结构时使用。比如使用元组或者列表,添加unpack之后,ddt会自动把元组或者列表对应到多个参数上。字典也可以这样处理。参见下面的示例2.
测试用例方法名生成规则
使用ddt后,会产生一个新的测试用例方法名:之前的测试用例方法名_ordinal_data
之前的测试用例方法名:即定义的测试用例方法名。比如def test_large(),这里就是test_large
ordinal:整数,从1开始递加。
data:如果传递过来的数据存在__name__属性,则这里就是该数据的__name__值。如果未定义__name__属性,ddt会尽量将传递过来的数据转化为python标识符,作为data显示。比如(3,2)就转化为3_2。需要注意的是,如果数据是字典,则这里就是字典的key。
使用示例
1. data直接放入数值
需要导入ddt包,然后再TestCase类上采用@ddt进行装饰,测试方法上装饰@data()。
data可以是数值,也可以是字符串。
import unittestfrom ddt import ddt, datafrom ddt_demo.mycode import larger_than_two@ddtclass FooTestCase(unittest.TestCase):@data(3, 4, 12, 23)def test_larger_than_two(self, value):self.assertTrue(larger_than_two(value))@data(1, -3, 2, 0)def test_not_larger_than_two(self, value):self.assertFalse(larger_than_two(value))@data(u'ascii', u'non-ascii-\N{SNOWMAN}')def test_unicode(self, value):self.assertIn(value, (u'ascii', u'non-ascii-\N{SNOWMAN}'))if __name__=='__main__':unittest.main(verbosity=2)
输出如下:
test_larger_than_two_1_3 (__main__.FooTestCase) ... oktest_larger_than_two_2_4 (__main__.FooTestCase) ... oktest_larger_than_two_3_12 (__main__.FooTestCase) ... oktest_larger_than_two_4_23 (__main__.FooTestCase) ... oktest_not_larger_than_two_1_1 (__main__.FooTestCase) ... oktest_not_larger_than_two_2__3 (__main__.FooTestCase) ... oktest_not_larger_than_two_3_2 (__main__.FooTestCase) ... oktest_not_larger_than_two_4_0 (__main__.FooTestCase) ... oktest_unicode_1_ascii (__main__.FooTestCase) ... oktest_unicode_2_non_ascii__ (__main__.FooTestCase) ... ok----------------------------------------------------------------------Ran 10 tests in 0.001sOK
可以看到上面只写了3个测试方法,但是最后run了10个用例。
这里测试方法后会被ddt加一个后缀,ddt会尝试把测试数据转化为后缀附在测试方法后,组成一个新的名字。
2. data放入复杂的数据结构
使用复杂的数据结构时,需要用到@unpack,同时测试方法的参数需要使用对应的多个,比如下面的frist_value 以及 second_value。
import unittestfrom ddt import ddt, data,unpack@ddtclass FooTestCase(unittest.TestCase):@data((3, 2), (4, 3), (5, 3))@unpackdef test_tuples_extracted_into_arguments(self, first_value, second_value):self.assertTrue(first_value > second_value)@data([3, 2], [4, 3], [5, 3])@unpackdef test_list_extracted_into_arguments(self, first_value, second_value):self.assertTrue(first_value > second_value)@unpack@data({'first': 1, 'second': 3, 'third': 2},{'first': 4, 'second': 6, 'third': 5})def test_dicts_extracted_into_kwargs(self, first, second, third):self.assertTrue(first < third < second)if __name__=='__main__':unittest.main(verbosity=2)
执行之后,全部pass。
3. 使用json文件
新建文件 test_data_list.json:
["Hello","Goodbye"]
新建文件 test_data_dict.json:
{"unsorted_list": [ 10, 12, 15 ],"sorted_list": [ 15, 12, 50 ]}
新建测试脚本ddt_test.py:
import unittestfrom ddt import ddt, file_datafrom ddt_demo.mycode import has_three_elements,is_a_greeting@ddtclass FooTestCase(unittest.TestCase):@file_data('test_data_dict.json')def test_file_data_json_dict(self, value):self.assertTrue(has_three_elements(value))@file_data('test_data_list.json')def test_file_data_json_list(self, value):self.assertTrue(is_a_greeting(value))if __name__=='__main__':unittest.main(verbosity=2)
4. 使用yaml文件
新建文件 test_data_list.yaml:
- "Hello"- "Goodbye"
新建文件 test_data_dict.yaml:
unsorted_list:- 10- 15- 12sorted_list: [ 15, 12, 50 ]
新建测试脚本ddt_test.py:
import unittestfrom ddt import ddt, file_datafrom ddt_demo.mycode import has_three_elements,is_a_greeting@ddtclass FooTestCase(unittest.TestCase):@file_data('test_data_dict.yaml')def test_file_data_yaml_dict(self, value):self.assertTrue(has_three_elements(value))@file_data('test_data_list.yaml')def test_file_data_yaml_list(self, value):self.assertTrue(is_a_greeting(value))if __name__=='__main__':unittest.main(verbosity=2)