Python接口自动化 之用例读取方法总结
前言:
在软件测试中,为项目编写接口自动化用例已成为测试人员常驻的测试工作。本文以python为例,基于笔者曾使用过的三种用例数据读取方法:xlrd、pandas、yaml,下面简要地介绍下它们的使用方法及简单分析。
1. Python第三方库xlrd
xlrd模块可用于读取excel文档,是一种最常用的用例读取方式,使用方式如下。以演示惯例---注册接口为例,首先新建一个excel文档,文档中自定义接口用例参数:
(以下data均为随机生成,不涉及任何系统)
python已安装第三方库后,开始读取接口用例。本次为了方便演示,方法未进行封装。
xlrd代码演示
以下为实例代码:
import unittest import xlrd # 打开接口用例excel文件 excel_data = xlrd.open_workbook('register.xlsx') # 读取excel文件中存放用例的sheet页,命名无要求 sheet = excel_data.sheet_by_name('register') print(sheet.nrows) print(sheet.row_values(1)) # 将读取到的用例全部追加到data列表中 data = [] for i in range(1, sheet.nrows): data.append(sheet.row_values(i)) print(data) class register(unittest.TestCase): def test_register_check(self): pass
执行py文件后,打印读取data列表,成功读取出excel文件中用例数据:
但是上面的方法会把整个excel文件的用例全部存放到一个列表中,数据取用不太方便。现在我们对数据进行拆分,结合ddt数据驱动方式,进行数据读取:
import unittest import xlrd from ddt import ddt,data,unpack excel_data = xlrd.open_workbook('register.xlsx') sheet = excel_data.sheet_by_name('register') # print(sheet.nrows) # print(sheet.row_values(1)) data_ = [] for i in range(1, sheet.nrows): data_.append(sheet.row_values(i)) print(data_) # 引入的装饰器@ddt;导入数据的@data;拆分数据的@unpack @ddt class register(unittest.TestCase): @data(*data_) @unpack def test_register(self, title, data, check): print(data) if __name__ == '__main__': unittest.main()
通过ddt中的data及unpack方法,excel文件中的每条数据都是一个单独的列表,更便于提供给接口测试用例使用:
xlrd模块在接口自动化中的使用频率非常高,调用方法也非常简单。读取到excel测试用例后,还可以使用装饰器DDT进行数据拆分,使数据更加简化。
xlrd适用于项目接口数据较少、接口字段不经常调整的项目。如果项目中,接口数量非常多,在编写接口用例时,存放用例的excel文件内容会不断扩充。测试用例的易读性和维护性都会成为后期测试工作的难题,影响测试效率。
2. Python第三方库pandas
pandas是python的一个数据分析包,可帮助使用者处理大型数据集。使用pandas中的DataFrame(二维的表格型数据结构)方法,即可获取到excel表格中的测试数据。pandas与xrld一样,都可读取excel文件。
首先创建一个excel文件,存放测试数据:
pandas代码演示
实例代码:
# 从excel文件中读取用例,name参数为sheet名称 def read_excel_data(inputdir,name): dataframe = pandas.DataFrame(columns=['接口名','用例','请求地址','请求体','断言','协议','请求方式']) # 传入参数就是excel文件中的列名 try: datafile = pandas.read_excel(inputdir,sheet_name=name) dataframe = dataframe.append(datafile, ignore_index=True, sort=True) except: print("Warning:excel文件打开异常,请重试!") To_list = dataframe.to_dict(orient='records') # 参数='records'时,转化后是 list形式 return To_list
from common.data import read_excel_data import pytest def getdata(path): getdata = read_excel_data(path, '编辑xx') print(getdata) path = r'..\common\接口用例文档.xlsx' # excel文件的路径,按实际项目结构指明 getdata(path)
调用封装好的方法,成功读取到excel文件中的全部用例数据:
该方法与xlrd类似,也是通过读取二维表格中数据的方式,获取到我们所需接口用例。
通过xlrd等方法读取excel文件中的测试用例,是接口测试中比较主流的数据读取方式。但是通过上面的案例展示可以发现,如果excel文件中的数据越来越多,后期测试的维护成本是比较高的,同时表格格式在大篇幅数据中,也不方便阅读。这也是此类方法的一个弊端。
3. Python第三方库yaml
yaml是一种用来写配置文件的序列化语言,文件格式输出可以是列表、字典,也支持嵌套。层级关系用空格区分,但不支持tab缩进。
破折号和空格( “ - ” ):列表格式
# 以下数据会以list形式被读取 - testapi - url - get
常见的yaml格式:
冒号和空格( “ :” ) :字典格式
# 以下数据会以dict形式被读取 name: A age: 1 spouse: name: B age: 2 slave: - name: C # - 表示为列表 age: 3 - name1: D age1: 4
yaml代码演示
读取yaml文件中的dict数据,代码如下:
import os import yaml class LoadTestData: # 设置路径,获取yaml文件数据 def load_data(self, file_name): yaml_path = os.path.join(os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))), 'test_file'), file_name) yaml_data = yaml.load(open(yaml_path), Loader=yaml.FullLoader) # print(yaml_data) return yaml_data def get_yaml_data(api_file, api_name): ''' 获取yaml中 api_name的数据 :param api_file: api文件位置 :param api_name: api文件名称 :return: 文件数据 ''' data = LoadTestData().load_data(api_file)[api_name] print(data) return data if __name__ == '__main__': file_name = 'api_data.yaml' api_name = 'test' # LoadTestData().load_data(file_name) get_yaml_data(file_name,api_name ) print('读取成功')
请注意yaml.load在调用时,可能会因为yaml版本较高而提示异常。解决方法:指定loader = yaml.FullLoader可解决异常。
根据上面yaml的实际运用可以发现,相比excel表格存放的数据,yaml可读性更好,而且python本身也支持新建yaml文件,与脚本语言的交互性更佳。对于不同的测试模块,也可以新建不同的yaml文件,实现了功能模块之间的测试数据隔离。
总结
测试中,不管是以excel表格存放数据还是yaml文件存放数据,都能做到快速集成组装测试数据。但excel表格存放数据过大时,有可读性降低及脚本执行时间较长等问题。yaml拥有简洁、与python交互性高,可以把功能模板的测试数据相互隔离等优点。但也需要对yaml的写法规范有一些了解,才能正确使用。
到此这篇关于Python接口自动化 之用例读取方法总结的文章就介绍到这了,更多相关Python 用例读取内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
查找python项目依赖并生成requirements.txt的方法
今天小编就为大家分享一篇查找python项目依赖并生成requirements.txt的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07Python图像处理库PIL的ImageFilter模块使用介绍
这篇文章主要介绍了Python图像处理库PIL的ImageFilter模块使用介绍,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2020-02-02浅谈Series和DataFrame中的sort_index方法
今天小编就为大家分享一篇浅谈Series和DataFrame中的sort_index方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06python 机器学习的标准化、归一化、正则化、离散化和白化
这篇文章主要介绍了聊聊机器学习的标准化、归一化、正则化、离散化和白化,帮助大家更好的理解和学习使用python进行机器学习,感兴趣的朋友可以了解下2021-04-04
最新评论