测试数据的数据驱动

1. 简介

数据驱动就是数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。简单来说，就是参数化的应用。数据量小的测试用例可以使用代码的参数化来实现数据驱动，数据量大的情况下建议大家使用一种结构化的文件（例如 YAML，JSON 等）来对数据进行存储，然后在测试用例中读取这些数据。

我们通过最流行的 Python 自动化测试框架 pytest 来实现参数化测试数据驱动。

2. 参数化实现数据驱动

pytest 提供了 @pytest.mark.parametrize 装饰器来进行参数化，使用参数化来实现数据驱动。

代码如下：

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

上面的代码首先使用 @pytest.mark.parametrize 装饰器，传递了两组数据，测试结果显示有两条测试用例被执行，而不是一条测试用例。也就是 pytest 会将两组测试数据自动生成两个对应的测试用例并执行，生成两条测试结果。

3. 使用 YAML 文件实现数据驱动

当测试数据量大的情况下，可以考虑把数据存储在结构化的文件中。从文件中读取出代码中所需要格式的数据，传递到测试方法中执行。这里推荐大家使用 YAML 类型的文件来存储测试数据。YAML以使用动态字段进行结构化，它以数据为中心，比 Excel、CSV、JSON、XML 等更适合做数据驱动。

下面我们将上面参数化的两组数据存储到 YAML 文件中，创建一个 data/searchdata.yml 文件，代码如下：

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

上面的代码定义了一个 YAML 格式的数据文件searchdata.yml，文件中定义了一个列表，列表中有两组数据，最后生成的是这样的数据格式：[["alibaba", "BABA", 200],["JD", "JD", 20]]。将测试用例中参数化的数据改造成从 searchdata.yml 文件中读取，代码如下：

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

上面的代码，只需要使用yaml.safe_load()方法，就来读取searchdata.yml文件中的数据，分别传入到用例 test_search( ) 方法中完成数据的输入与结果的验证。而如果使用 Excel、CSV 文件格式进行数据的存储，需要先从 Excel 文件中读取数据，再解析成需要的格式。而使用 YAML 则完全省去了这个过程。

小结

以上，我们实现了测试数据的数据驱动。在下一节，我们来实现测试步骤的数据驱动。