python----数据驱动ddt的使用

一、安装ddt
pip install ddt

二、数据驱动和代码驱动
数据驱动：根据你提供的数据来进行测试，比如接口自动化测试框架ATP
代码驱动：必须得写代码才能测试，比如unittest

三、使用数据驱动框架的好处
--代码复用率高，同一测试逻辑编写一次，可以被多条测试数据复用，提高了测试代码的复用率，同时可以提高测试脚本的编写效率
--异常排查效率高，测试框架依据测试数据，每条数据生成一条测试用例，用例执行过程相互隔离，在其中一条失败的情况下，不会影响其他的测试用例
--代码的可维护性高，清晰的测试框架，利于其他测试工程师阅读，提高了代码的可维护性

四、DDT的使用
DDT包含类的装饰器ddt和两个方法装饰器data（直接输入测试数据），file_data（可以从json或yaml文件中获取测试数据）
只有以yaml 和yml结尾的文件是以yaml的形式上传测试数据，其他情况默认为json
通常情况下，data中的数据按照一个参数传递给测试数据，如果data中包含多个数据，是以元祖、列表、字典等数据类型，需要自行在脚本中对数据进行分解或者使用unpack分解数据
@data（a,b）
那么a和b各运行一次测试用例

@data（[a,b],[c,d]）
如果没有用unpack解析，则[a,b]会被当成一个参数传入用例中运行
如果有用unpack解析，则[a,b]中a和b会被分解开，按照两个参数传入用例中运行

@file_data(filename)
对于json文件，每一个json元素按照一条测试用例运行，可以依据python分解元祖、列表或字典的方式分解传入

import ddt
import unittest

@ddt.ddt
class MyCase(unittest.TestCase):
    @ddt.data(1,2)  #运行2次
    def testa(self,value):
        print(value)

    @ddt.data([1,2]) #运行1次
    def testb(self,value):
        print(value)

    @ddt.data([1,2],[3,4]) #不加unpack 会报错
    def testc(self,a,b):
        self.assertNotEqual(a,b)

    @ddt.data([1,2],[3,4]) #运行2次
    @ddt.unpack
    def testd(self,a,b):
        self.assertNotEqual(a,b)

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