Selenium实战（六）——数据驱动应用

一、数据驱动

　　由于大多数文章和资料都把“读取数据文件”看做数据驱动的标志，下面创建一个baidu_data.csv文件：

文件第一列为测试用例名称，第二列为搜索的关键字。接下来创建test_baidu_data.py文件：

 import csv
 import codecs
 import unittest
 from time import sleep
 from itertools import islice
 from selenium import webdriver

 class TestBaidu(unittest.TestCase):

     @classmethod
     def setUpClass(cls):
         cls.driver = webdriver.Chrome()
         cls.base_url = "https://www.baidu.com"

     @classmethod
     def tearDownClass(cls):
         cls.driver.quit()

     def baidu_search(self, search_key):
         self.driver.get(self.base_url)
         self.driver.find_element_by_id("kw").send_keys(search_key)
         self.driver.find_element_by_id("su").click()
         sleep(3)

     def test_search(self):
         with codecs.open('baidu_data.csv', 'r', 'utf_8_sig') as f:
             data = csv.reader(f)
             for line in islice(data, 1, None):
                 search_key = line[1]
                 self.baidu_search(search_key)

 if __name__ == '__main__':
     unittest.main(verbosity=2)

这样做将所有的测试数据当做一条测试用例并行地执行，如果有一条测试数据有误就会导致这条测试用例执行失败，显然是不合理的。因此做如下修改：

 import csv
 import codecs
 import unittest
 from time import sleep
 from itertools import islice
 from selenium import webdriver

 class TestBaidu(unittest.TestCase):

     @classmethod
     def setUpClass(cls):
         cls.driver = webdriver.Chrome()
         cls.base_url = "https://www.baidu.com"
         cls.test_data = []
         with codecs.open('baidu_data.csv', 'r', 'utf_8_sig') as f:
             data = csv.reader(f)
             for line in islice(data, 1, None):
                 cls.test_data.append(line)

     @classmethod
     def tearDownClass(cls):
         cls.driver.quit()

     def baidu_search(self, search_key):
         self.driver.get(self.base_url)
         self.driver.find_element_by_id("kw").send_keys(search_key)
         self.driver.find_element_by_id("su").click()
         sleep(3)

     def test_search_selenium(self):
         self.baidu_search(self.test_data[0][1])

     def test_search_unittest(self):
         self.baidu_search(self.test_data[1][1])

     def test_search_parameterized(self):
         self.baidu_search(self.test_data[2][1])

 if __name__ == '__main__':
     unittest.main(verbosity=2)

　　这一次，用setUpClass()方法读取baidu_data.csv文件，并将文件中的数据存储到test_data数组中，分别创建不同的测试方法使用test_data中的数据，结果如下

　　从测试结果可看出，存在以下问题：

• 增加了读取的成本。不管什么样的数据文件，在运行自动化测试用例前都需要将文件中的数据读取到程序中，这一步必不可少。
• 不方便维护。在CSV数据文件中，并不能直观体现出每一条数据对应的测试用例。而在测试用例中通过test_data[0][1]方式获取数据也存在很多问题，如果在csv文件中间插入了一条数据，那么测试用例获取到的测试数据很可能是错误的。

二、Parameterized

　　Parameterized是Python的一个参数化库，同时支持unittest、Nose和pytest单元测试框架。

　　GitHub地址：https://github.com/wolever/parameterized

　　Parameterized支持pip安装：pip install parameterized

　　导入parameterized后修改test_baidu_data.py文件如下：

 import unittest
 from time import sleep
 from selenium import webdriver
 from parameterized import parameterized

 class TestBaidu(unittest.TestCase):

     @classmethod
     def setUpClass(cls):
         cls.driver = webdriver.Chrome()
         cls.base_url = "https://www.baidu.com"

     @classmethod
     def tearDownClass(cls):
         cls.driver.quit()

     def baidu_search(self, search_key):
         self.driver.get(self.base_url)
         self.driver.find_element_by_id("kw").send_keys(search_key)
         self.driver.find_element_by_id("su").click()
         sleep(3)

     # 通过Parameterized实现参数化
     @parameterized.expand([
         ("case1", "selenium"),
         ("case2", "unittest"),
         ("case3", "parameterized"),
          ])
     def test_search(self, name, search_key):
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

 if __name__ == '__main__':
     unittest.main(verbosity=2)

　　通过@parameterized.expand()来装饰测试用例test_search()。在@parameterized.expand()中，每个元组都可以被认为是一条测试用例。元组中的数据为该条测试测试用例变化的值。在测试用例中，通过参数来取每个元组中的数据。

　　在test_search()中，name参数对应元组中第一列数据，即"case1""case2""case3",用来定义测试用例的名称；search_key参数对应元组中第二列数据，即"sselenium""unittest""parameterized",用来定义搜索的关键字。

,

　　通过测试结果可以看到，因为是根据@parameterized.expand()中元组的个数来统计测试用例数的，所以产生了三条测试用例。test_search为定义的测试用例的名称。参数化会自动加上“0”、“1”、“2”来区分每条测试用例，在元组中定义的“case1”、“case2”、“case3”也会作为每条测试用例名称的后缀出现。

三、DDT

　　DDT(Data-Driven Tests)是针对unittest单元测试框架设计的扩展库。允许使用不同的测试数据来运行一个测试用例，并将其展示为多个测试用例。

　　GitHub地址：https://github.com/datadriventests/ddt

　　DDT支持pip安装：pip install ddt

创建一个test_baidu_ddt.py文件：

 import unittest
 from time import sleep
 from selenium import webdriver
 from ddt import ddt, data, file_data, unpack

 @ddt
 class TestBaidu(unittest.TestCase):

     @classmethod
     def setUpClass(cls):
         cls.driver = webdriver.Chrome()
         cls.base_url = "https://www.baidu.com"

     def baidu_search(self, search_key):
         self.driver.get(self.base_url)
         self.driver.find_element_by_id("kw").send_keys(search_key)
         self.driver.find_element_by_id("su").click()
         sleep(3)

     # 参数化使用方式一
     @data(["case1", "selenium"], ["case2", "unittest"], ["case3", "python"])
     @unpack
     def test_search1(self, case, search_key):
         print("第一组测试用例：", case)
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

     # 参数化使用方式二
     @data(("case1", "selenium"), ("case2", "unittest"), ("case3", "python"))
     @unpack
     def test_search2(self, case, search_key):
         print("第二组测试用例：", case)
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

     @data({"search_key": "selenium"}, {"search_key": "unittest"}, {"search_key": "python"})
     @unpack
     def test_search3(self, search_key):
         print("第三组测试用例：", search_key)
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

     @classmethod
     def tearDownClass(cls):
         cls.driver.quit()

 if __name__ == '__main__':
     unittest.main(verbosity=2)

　　使用DDT需要注意以下几点：

• 首先，测试类需要通过@ddt进行装饰
• 其次，DDT提供了不同形式的参数化。这里列举了三组参数化，第一组为列表，第二组为元组，第三组为字典。需要注意的是，字典的key与测试方法的参数要保持一致。

　　同样的，DDT也支持数据文件的参数化。它封装了数据文件的读取，让我们更专注于数据文件中的内容，以及在测试用例中的使用，而不必关心数据文件时如何被读取进来的。

　　首先，创建ddt_data_file.json文件

 {
   "case1": {"search_key":  "python"},
   "case2": {"search_key":  "ddt"},
   "case3": {"search_key":  "Selenium"}
 }

在测试用例中使用ddt_data_file.json文件参数化测试用例，在test_baidu_ddt.py文件中增加测试用例数据：

     # 参数化读取JSON文件
     @file_data('ddt_data_file.json')
     def test_search4(self, search_key):
         print("第四组测试用例：", search_key)
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

　　除此之外，DDT还支持yaml格式的数据文件。创建ddt_data_file.yaml文件：

 case1:
   - search_key: "python"
 case2:
   - search_key: "ddt"
 case3:
   - search_key: "Selenium"

在test_baidu_ddt.py文件中增加测试用例：

     # 参数化读取yaml文件
     @file_data('ddt_data_file.yaml')
     def test_search5(self, case):
         search_key = case[0]["search_key"]
         print("第五组测试用例： ", search_key)
         self.baidu_search(search_key)
         self.assertEqual(self.driver.title, search_key + "_百度搜索")

执行结果如下：

这里的取值与上面的JSON文件有所不同，因为每一条用例都被解析为[{'search_key':'python'}]，所以要想渠道搜索关键字，则需要通过case[0]["search_key"]的方式获取。