这期内容当中小编将会给大家带来有关怎么在python中利用DDT实现一个数据驱动测试功能，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
DDT（Date Driver Test），所谓数据驱动测试，简单来说就是由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。通过使用数据驱动测试的方法，可以在需要验证多组数据测试场景中，使用外部数据源实现对输入输出与期望值的参数化，避免在测试中使用硬编码的数据，也就是测试数据和用例脚本代码分离。
DDT它其实就是一个装饰器，它会根据你传递进来的数据来决定要生成几个测试用例。
使用的意义
1.代码复用率高：一个测试逻辑只需要写一次，可以多条测试数据复用，同时提高测试脚本的编写效率。
2.异常排查效率高：根据测试数据，每条数据生成一条测试用例，用例相互分离，一条失败的情况下不会影响其他测试用例。
3.代码可维护性高：简洁明了的测试框架，利于其他同事阅读，提高代码的可维护性。
cmd命令行执行安装：pip install ddt
直接导入到模块：import ddt，或导入具体的装饰器：from ddt import ddt, data, unpack
三个要点：
@ddt：装饰测试类
@data：装饰测试用例
@unpack：装饰测试用例
要使用ddt的前提是要有测试用例类，然后用@ddt去装饰测试用例类，用@data(测试数据)去装饰测试用例，如下登录接口例子：
from ddt import ddt, data
from common.read_excel import ReadExcel
from common.my_logger import log
@ddt # 装饰登录测试用例类，声明使用ddt
class LoginTestCase(unittest.TestCase):
excel = ReadExcel("cases.xlsx", "login")
cases = excel.read_data()
@data(*cases) # 装饰测试用例
def test_login(self, case):
case_data = eval(case["data"])
expected = eval(case["expected"])
case_id = case["case_id"]
result = login_check(*case_data)
response = self.http.send(url=url, method=method, json=data, headers=headers)
result = response.json()
try:
self.assertEqual(expected["code"], result["code"])
self.assertEqual((expected["msg"]), result["msg"])
except AssertionError as e:
log.info("用例：{}--->执行未通过".format(case["title"]))
print("预期结果：{}".format(expected))
print("实际结果：{}".format(result))
raise e
else:
log.info("用例：{}--->执行通过".format(case["title"]))
if __name__ == '__main__':
unittest.main() @ddt它做的事情其实就等同于这句代码：LoginTestCase = ddt(LoginTestCase)，把具体的类名传给ddt，告诉ddt是这个测试用例类要使用数据驱动。
@data做的事情就是把测试数据作为一个参数传递给测试用例，一个数据对应生成一条测试用例，如果data里面有多个数据那么就对应生成多条测试用例。如果data里放的类似是元组、列表等这样的序列类型的数据，data会把他们当成是一个整体，即一个测试数据。
如果想一次传递多个参数给测试用例，需要自行在脚本中对数据进行分解或者使用@unpack分解数据。如上例子中的测试用例，只使用了一个参数，但这个参数case是一个字典，字典中已经包含多个数据，直接用key获取对应的值即可。@unpack则是可以把序列类型的数据拆分为多个，以多个参数传给测试用例，但测试用例也需要定义同等数量的参数来接收。
上面例子的测试数据cases来源是使用了openpyxl来读取excel中的测试数据的，关于openpyxl可以看我这个系列的另外一篇随笔。这里直接说明cases其实就是像下面这样的一个列表：
cases = [{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}, {'case_id': 2, 'title': '密码错误', 'data': '("test", "123")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}, {'case_id': 3, 'title': '账户名错误', 'data': '("test11", "Test1234")', 'expected': '{"code": 1, "msg": "账号或密码不正确"}'}]
# *解包后，一个字典就是一个测试用例数据
# 如第一个字典：{'case_id': 1, 'title': '正常登录', 'data': '("test", "Test1234")', 'expected': '{"code": 0, "msg": "登录成功"}'}通过*解包，它的数据就是3个字典，每次给测试用例传入1个字典，而这个字典里就存放了一条完整的登录接口测试用例的测试数据，包括用例id、用例标题、测试的账号密码、期望返回的结果。
小结：
@data(a,b)：a和b各运行一次用例
@data(*(a,b)：a和b各运行一次用例，使用*解包，相当于@data(a,b)
@data([a,d],[c,d])
如果没有@unpack[a,b]、[c,d]都会被当成一个参数传入用例，即用[a,b]运行一次，用[c,d]运行一次；
如果有@unpack，[a,b]会被分解开，一次传递两个参数给用例，用例需要定义两个参数接收
@unpack可适用元组、列表或字典，但当传入的是字典时，字典的key和用例定义的参数名需要保持一致
关键代码：@file_data，传递文件(json/yaml)
关键代码：@file_data，传递文件(json/yaml)
# 传递json
"""
json文件数据
{
"token":123456,
"actionName": "api.login",
"content": {
"user": "miki",
"pwd": "Test123"
}
}
"""
"""
yaml文件
test_list:
- 11
- 22
- 12
sorted_list: [ 11, 12, 22 ]
"""
from ddt import *
@ddt # 声明使用ddt
class TestFile(unittest.TestCase):
@file_data('D:/test/test.json')
def test_json(self, json_data):
print(json_data)
@file_data('D:/test/test.yaml')
def test_yaml(self, yaml_data):
print("yaml", yaml_data)上述就是小编为大家分享的怎么在python中利用DDT实现一个数据驱动测试功能了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。