1.数据参数化介绍

只要你是负责编写自动化测试脚本的，数据参数化这个思想你就肯定会用，数据参数化的工具你肯定的懂一些，因为它能大大的提高我们自动化脚本编写效率。

1.1什么是数据参数化

所谓的数据参数化，是指所执行的测试用例步骤相同、而数据不同，每次运行用例只变化的是数据，于是将这些数据专门放在一起进行批量循环运行，从而完成测试用例执行的目的。

以登录功能为例，若一个登录功能每次操作的步骤是：

输入用户名
输入密码
点击登录按钮。

但是，因为每次输入的数据不同，导致生成的测试用例就不同了，同样还是这个登录功能，加上数据就变为以下的用例了。

case1 ：输入正确的用户名，输入正确的密码，点击登录
case2 : 输入正确的用户，输入错误的密码，点击登录
case3 ：输入正确的用户名，输入空的密码，点击登录
casen : ...

可以看到，在这些用例中，每条用例最大的不同是什么呢？其实就是数据不同。但是由于数据不同，从而生成了多条测试用例，在功能测试中，这些用例是需要分别写、分别执行。

1.2.为什么要进行数据参数化？

在功能测试中，即使是相同的步骤，只是数据不同，我们亦然也要尽量分开编写每一条用例，比如像上面的编写方式，因为这些编写它的易读性更好，功能测试设计测试用例和执行用例往往不是一个人，所以用例编写的易读性是就是一个很重要的因素。

但是如果将上面的用例进行自动化实现，虽然按照一条用例对应一个方法是一种很清晰的思路，但是它的最大问题就是代码冗余，当一个功能中步骤相同，只是数据不同时，你的数据越多，代码冗余度就越高。你会发现每个测试方法中的代码就会是相同的。

像代码冗余这种问题，在编写自动化时是必须要考虑的一个问题，因为随着代码量越多，冗余度越高、越难维护。

以下就是是通过正常方式实现登录的自动化脚本：

import unittest
from package_unittest.login import login


class TestLogin(unittest.TestCase):

    # case1 : 输入正确的用户名和正确的密码进行登录
    def test_login_success(self):
        expect_reslut = 0
        actual_result = login('admin','123456').get('code')
        self.assertEqual(expect_reslut,actual_result)

    # case2 ： 输入正确的用户名和错误的密码进行登录
    def test_password_is_wrong(self):
        expect_reslut = 3
        actual_result = login('admin', '1234567').get('code')
        self.assertEqual(expect_reslut, actual_result)

    # case3 : 输入正确的用户名和空的密码进行登录
    def test_password_is_null(self):
        expect_reslut = 2
        actual_result = login('admin', '').get('code')
        self.assertEqual(expect_reslut, actual_result)

可以看到，三条用例对应三个测试方法，虽然清晰，代码每个方法中的代码几乎是相同的。

那如果用参数化实现的代码是什么呢？可以看下面的这段代码：

class TestLogin(unittest.TestCase):

    @parameterized.expand(cases)
    def test_login(self,expect_result,username,password):
        actual_result = login(username,password).get('code')
        self.assertEqual(expect_result,actual_result)

以上代码只有一条用例，不管这个功能有几条都能执行。

通过上面两种形式的比较可以看出：为什么要进行数据参数化呢？其实就是降低代码冗余、提高代码复用度，将主要编写测试用例的时间转化为编写测试数据上来。

1.3.如何进行数据参数化

在代码中实现数据参数化都需要借助于外部工具，比如专门用于unittest的ddt , 既支持unittest、也支持pytest的parameterized ，专门在pytest中使用的fixture.params .

参数化工具	支持测试框架	备注
ddt	unittest	第三方包，需要下载安装
parameterized	nose,unittest,pytest	第三方包，需要下载安装
@pytest.mark.parametrize	pytest	本身属于pytest中的功能
@pytest.fixture(params=[])	pytest	本身属于pytest中的功能

以上实现数据参数化的工具有两个共同点：

都能实现数据参数化
都时装饰器来作用于测试用例脚本。

2.模块介绍

1.下载安装：

# 下载 
pip install parameterized

# 验证 ：
pip show parameterized

2.导包

# 直接导入parameterized类
from parameterized import parameterized

3.官网示例

@parameterized 和 @parameterized.expand 装饰器接受列表或元组或参数（...）的可迭代对象，或返回列表或可迭代：

from parameterized import parameterized, param

# A list of tuples
@parameterized([
    (2, 3, 5),
    (3, 5, 8),
])
def test_add(a, b, expected):
    assert_equal(a + b, expected)

# A list of params
@parameterized([
    param("10", 10),
    param("10", 16, base=16),
])
def test_int(str_val, expected, base=10):
    assert_equal(int(str_val, base=base), expected)

# An iterable of params
@parameterized(
    param.explicit(*json.loads(line))
    for line in open("testcases.jsons")
)
def test_from_json_file(...):
    ...

# A callable which returns a list of tuples
def load_test_cases():
    return [
        ("test1", ),
        ("test2", ),
    ]
@parameterized(load_test_cases)
def test_from_function(name):
    ...

请注意，使用迭代器或生成器时，将加载所有项在测试运行开始之前放入内存（我们显式执行此操作以确保生成器在多进程或多线程中只耗尽一次测试环境）。

@parameterized装饰器可以使用测试类方法，并且可以独立使用功能：

from parameterized import parameterized

class AddTest(object):
    @parameterized([
        (2, 3, 5),
    ])
    def test_add(self, a, b, expected):
        assert_equal(a + b, expected)

@parameterized([
    (2, 3, 5),
])
def test_add(a, b, expected):
    assert_equal(a + b, expected)

@parameterized.expand可用于生成测试方法无法使用测试生成器的情况（例如，当测试类是单元测试的一个子类。测试用例）：

import unittest
from parameterized import parameterized

class AddTestCase(unittest.TestCase):
    @parameterized.expand([
        ("2 and 3", 2, 3, 5),
        ("3 and 5", 3, 5, 8),
    ])
    def test_add(self, _, a, b, expected):
        assert_equal(a + b, expected)

将创建测试用例：

$ nosetests example.py
test_add_0_2_and_3 (example.AddTestCase) ... ok
test_add_1_3_and_5 (example.AddTestCase) ... ok

----------------------------------------------------------------------
Ran 2 tests in 0.001s

OK

请注意，@parameterized.expand 的工作原理是在测试上创建新方法 .class。如果第一个参数是字符串，则该字符串将添加到末尾的方法名称。例如，上面的测试用例将生成方法test_add_0_2_and_3和test_add_1_3_and_5。

@parameterized.expand 生成的测试用例的名称可以是使用 name_func 关键字参数进行自定义。该值应是一个接受三个参数的函数：testcase_func、param_num、和参数，它应该返回测试用例的名称。testcase_func是要测试的功能，param_num将是参数列表中测试用例参数的索引，参数（参数的实例）将是将使用的参数。

import unittest
from parameterized import parameterized

def custom_name_func(testcase_func, param_num, param):
    return "%s_%s" %(
        testcase_func.__name__,
        parameterized.to_safe_name("_".join(str(x) for x in param.args)),
    )

class AddTestCase(unittest.TestCase):
    @parameterized.expand([
        (2, 3, 5),
        (2, 3, 5),
    ], name_func=custom_name_func)
    def test_add(self, a, b, expected):
        assert_equal(a + b, expected)

将创建测试用例：

$ nosetests example.py
test_add_1_2_3 (example.AddTestCase) ... ok
test_add_2_3_5 (example.AddTestCase) ... ok

----------------------------------------------------------------------
Ran 2 tests in 0.001s

OK

param（...）帮助程序类存储一个特定测试的参数箱。它可用于将关键字参数传递给测试用例：

from parameterized import parameterized, param

@parameterized([
    param("10", 10),
    param("10", 16, base=16),
])
def test_int(str_val, expected, base=10):
    assert_equal(int(str_val, base=base), expected)

如果测试用例具有文档字符串，则该测试用例的参数将为附加到文档字符串的第一行。可以控制此行为 doc_func参数：

from parameterized import parameterized

@parameterized([
    (1, 2, 3),
    (4, 5, 9),
])
def test_add(a, b, expected):
    """ Test addition. """
    assert_equal(a + b, expected)

def my_doc_func(func, num, param):
    return "%s: %s with %s" %(num, func.__name__, param)

@parameterized([
    (5, 4, 1),
    (9, 6, 3),
], doc_func=my_doc_func)
def test_subtraction(a, b, expected):
    assert_equal(a - b, expected)
$ nosetests example.py
Test addition. [with a=1, b=2, expected=3] ... ok
Test addition. [with a=4, b=5, expected=9] ... ok
0: test_subtraction with param(*(5, 4, 1)) ... ok
1: test_subtraction with param(*(9, 6, 3)) ... ok

----------------------------------------------------------------------
Ran 4 tests in 0.001s

OK

最后@parameterized_class参数化整个类，使用属性列表或将应用于 .class：

from yourapp.models import User
from parameterized import parameterized_class

@parameterized_class([
   { "username": "user_1", "access_level": 1 },
   { "username": "user_2", "access_level": 2, "expected_status_code": 404 },
])
class TestUserAccessLevel(TestCase):
   expected_status_code = 200

   def setUp(self):
      self.client.force_login(User.objects.get(username=self.username)[0])

   def test_url_a(self):
      response = self.client.get('/url')
      self.assertEqual(response.status_code, self.expected_status_code)

   def tearDown(self):
      self.client.logout()


@parameterized_class(("username", "access_level", "expected_status_code"), [
   ("user_1", 1, 200),
   ("user_2", 2, 404)
])
class TestUserAccessLevel(TestCase):
   def setUp(self):
      self.client.force_login(User.objects.get(username=self.username)[0])

   def test_url_a(self):
      response = self.client.get("/url")
      self.assertEqual(response.status_code, self.expected_status_code)

   def tearDown(self):
      self.client.logout()

@parameterized_class装饰器接受class_name_func论点，它控制由 @parameterized_class 生成的参数化类的名称：

from parameterized import parameterized, parameterized_class

def get_class_name(cls, num, params_dict):
    # By default the generated class named includes either the "name"
    # parameter (if present), or the first string value. This example shows
    # multiple parameters being included in the generated class name:
    return "%s_%s_%s%s" %(
        cls.__name__,
        num,
        parameterized.to_safe_name(params_dict['a']),
        parameterized.to_safe_name(params_dict['b']),
    )

@parameterized_class([
   { "a": "hello", "b": " world!", "expected": "hello world!" },
   { "a": "say ", "b": " cheese :)", "expected": "say cheese :)" },
], class_name_func=get_class_name)
class TestConcatenation(TestCase):
  def test_concat(self):
      self.assertEqual(self.a + self.b, self.expected)
$ nosetests -v test_math.py
test_concat (test_concat.TestConcatenation_0_hello_world_) ... ok
test_concat (test_concat.TestConcatenation_0_say_cheese__) ... ok

使用单个参数

如果测试函数只接受一个参数并且该值不可迭代，然后可以提供值列表，而无需将每个值包装在元：

@parameterized([1, 2, 3])
def test_greater_than_zero(value):
   assert value > 0

但请注意，如果单个参数是可迭代的（例如列表或元组），那么它必须包装在元组、列表或 param（...）装饰器中：

@parameterized([
   ([1, 2, 3], ),
   ([3, 3], ),
   ([6], ),
])
def test_sums_to_6(numbers):
   assert sum(numbers) == 6

虽然看似以上功能支持的挺多，但其实真正用的不多，因为它跟框架有很大关系的。具体说明下：

总结：

它支持nose是最好的 . 如果你的自动化中使用nose，那么以上功能基本都能用到。
如果你用的测试框架是unittest ,你只能用到它的expand()这个函数，不过有这个函数也就够了。
如果你用的测试框架是pytest ，它支持了Pytest3的版本，再高版本的就不支持了，同时pytest也有自己的参数化工具，一般也不用它了。

3.项目实践

通过数据参数胡重新编写登录测试用例，将以前yaml中的登录用例数据转化为paramterized的数据格式，它的数据格式要求为：[(),(),()] . 所以，编写测试用例的数据就变为了以下的代码。

# 将登录数据转化为paramterize所识别的格式。
def get_data():
    yaml_path = get_file_path('login.yaml')  # 获取login.yaml的全路径
    result = read_yaml(yaml_path)  # 转化为python对象
    login_data = result.get('login')  # 获取字典中login的值
    logger.debug("登录结果:{}".format(login_data))
    return (login_data)  # 获取字典中login的值



@allure.epic("vshop")
@allure.story("登录")
class TestLogin(unittest.TestCase):

    # case1 : 测试登录功能
    @parameterized.expand(get_data())
    def test_login(self,case_name,username,password,code,message):
        logger.info("从参数化获取的数据:{}|{}|{}|{}|{}".format(case_name,username,password,code,message))
        with allure.step("执行用例:{},输入用户名:{},输入密码:{}".format(case_name,username,password)):
            login_result = login(username,password)
        self.assertEqual(code, login_result.get('errno'))
        self.assertEqual(message, login_result.get('errmsg'))

这样的话，我们只编写了一条测试用例，但是在测试数据中有几条数据，都可以正常运行。

4.项目总结

至此，我们已经实现了五步了，分别是：

第一、如何编写一个接口自动化框架，在第一篇博文中介绍了。https://www.toutiao.com/item/7223778665283404323/

第二、如何使用unittest编写测试用例，已经在第二篇博文中介绍了。https://www.toutiao.com/item/7225986414469825024/

第三、如何使用requests实现接口请求，并和测试用例如何对接，已经在第三篇博文中介绍了。https://www.toutiao.com/item/7231485629643997748/

第四、如何使用yaml编写测试数据，已经在第四篇博文中介绍了。https://www.toutiao.com/item/7236369710286733861/

第五，如何使用allure生成测试报告，已经在第五篇博文中介绍了。https://www.toutiao.com/item/7243783682144944697/

第六，如何使用loguru记录日志，已经在第六篇博文中介绍了。https://www.toutiao.com/item/7253833815246815796/

第七，如何使用pymysql连接数据库，已经在第七篇博文中介绍了。https://www.toutiao.com/item/7256573953278214668/

第八，如何进行数据参数化，也就是本篇博文了。

python实现自动化测试框架如何进行数据参数化？这个包可以了解下

1.数据参数化介绍

1.1什么是数据参数化

1.2.为什么要进行数据参数化？

1.3.如何进行数据参数化

2.模块介绍

3.项目实践

4.项目总结

继续阅读

TestLink导出用例转换工具(XML2Excel)

利用Selenium集成TestLink做自动化测试

YAML简介和PyYAML安全操作YAML支持的类型YAML的优点：yaml的基本语法python操作

Small tricks

libsvm for python 安装

学习软件测试基础测试第七天

Zeppelin 配置访问 REST APIApache Zeppelin Configuration REST API

【Torch】最简洁logging使用指南

27. Remove Element(列表)题目代码

Cloud Studio初体验

使用 ctypes 进行 Python 和 C 的混合编程

【python】【数据处理】画多维数据分布图

10年软件测试工程师，只剩下这点感悟了（初级测试工程师必看）

【python】netconf协议对接管理设备

「Python 网络自动化」NETCONF —— Python 使用 NETCONF 管理配置 H3C 网络设备

在python中创建excel并写入

python实现自动化测试框架如何进行数据参数化？这个包可以了解下

1.数据参数化介绍

1.1什么是数据参数化

1.2.为什么要进行数据参数化 ？

1.3.如何进行数据参数化

2.模块介绍

3.项目实践

4.项目总结

继续阅读

1.2.为什么要进行数据参数化？