作者：赵泽鑫｜ QE-LAB

浅谈Data Driven Testing

What is Data Driven Testing

数据驱动测试（Data-driven test）是一种软件测试方法，其中测试数据以表格或电子表格格式存储。数据驱动测试允许测试人员输入一个单一的测试脚本，可以对表格中的所有测试数据执行测试，并期望在同一表格中的测试输出。它也被称为表驱动测试或参数化测试。尤其是针对于自动化测试，DDT几乎是所有自动化测试默认遵循的规范。当我们执行自动化测试的时候，都会遵照DDT的要求，尽量将测试中的可变数据抽象出来，变成单独的文件，这个文件的格式可以是csv、xslx，也可以是json、xml或者是database。

Why Data Driven Testing

DDT的数据一般包括支持自动化测试用例执行的测试数据，UI测试使用的元素定位数据，和测试产生的测试结果。使用DDT的方式编写我们的测试脚本可以 1. 尽量保证test case和容易发生变化的数据解耦。这样当容易发生变化的数据变更后可以在统一的位置进行维护。同时脚本的实现方式发生变化的时候不影响用例本身的执行。2. 可以复用代码，避免重复冗余的代码。

How to create a Data Driven Automation Framework

DDT究竟怎么落地到实际的测试中呢？举个，最简单的登陆注册页面，正确的用户名，错误的密码；正确的密码，错误的用户名；正确的用户名，正确的密码；甚至输入用户名的格式和密码的格式不同都会产生不同的用例。那我们可以把这些不同的数据存在一个文件中，用变量的方式把数据传递到登陆的方法中，这样就完成了一个简单的DDT测试脚本。

为了能更加方便的使用DDT的方式编写测试，有很多工具来辅助我们更简单的实现DDT。如果你的常用编程语言是python，可以了解下python中的selenium-ddt库。里面的常用方法是@data、@ddt、@unpack、@file_data这四种装饰器。

import os
from ddt import ddt, data, unpack, file_data
import unittest

def get_data():
   testdata = [{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]
   return testdata

@ddt
class MyTestCase(unittest.TestCase):
   @data(1, 2, 3) //单组元组数据
   def test1(self, value):
       print(value)

   @data((1, 2, 3), (4, 5, 6))
   def test2(self, value):
       print(value)

   @data((1, 2, 3), (4, 5, 6)) //多组元组数据
   @unpack // 加入unpack方法后使用两组数据执行该用例
   def test3(self, value1, value2, value3):
       print(value1, value2, value3)

   @data([{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]) //列表数据
   def test4(self, value):
       print(value)

   @data({'name': 'tom', 'age': '20'}, {'name': 'kite', 'age': '30'})//字典数据
   def test5(self, value):
       print(value)

   @data({'name': 'tom', 'age': '20'}, {'name': 'kite', 'age': '30'})//多组字典数据拆分
   @unpack
   def test6(self, name, age):
       print(name, age)

   testdata = [{'name': 'tom', 'age': 20}, {'name': 'kite', 'age': 30}]

   # @data(*testdata)
   @data(get_data()) //可以引用其他方法中的数据
   def test7(self, value):
       print(value)

   @file_data(os.getcwd() + '/test.json')//读取文件应用文件中的数据
   def test8(self, value2):
       print(value2)

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

代码比较简单但是可以说明问题，感兴趣的同学可以自己尝试运行一下，查看结果。可以看到ddt中支持多种多样数据结构的同时，也支持不同获取数据的来源，可以是定义在脚本中的数据，也可以是函数的返回数据，还可以读取文件中的数据。虽然在pytest支持参数化注解后就很少人使用selenium-ddt了，但是其中的设计思想还是值得参考。

下面是一个pytest参数化的。pytest的参数化是通过@pytest.mark.parametrize注解来实现的。@pytest.mark.parametrize的内部是ParametrizeMarkDecorator，ParametrizeMarkDecorator的类中传入了MarkDecorator装饰器，这个装饰器被调用后，会将标记附加在类中，自动应用到类中找到的所有用例里面。这就是为什么使用注解后的用例可以全部被执行的原因。而读取这些数据解析出来，是因为ParametrizeMarkDecorator的实现是一个Iterable，当传入的data是一个可迭代对象的时候，就可以将data中的数据unpack出来。

login_data = [
  ('test001', 'test001@qq.com', '123456', '123456', '666', '验证码不正确'),
  ('test200', 'test009@qq.com', '123456', '123456', '111', '注册成功，点击确定进行登录。'),
]

@pytest.mark.parametrize('username,email,pwd,expected', login_data)
def test1_register(self, username, email, pwd, expected):

   self.driver.find_element(By.NAME, 'username').send_keys(username)
   self.driver.find_element(By.NAME, 'email').send_keys(email)
   self.driver.find_element(By.NAME, 'pwd').send_keys(pwd)
   self.driver.find_element(By.NAME, 'comfirmed').click()
   WebDriverWait(self.driver, 5).until(EC.alert_is_present())
   alert = self.driver.switch_to.alert
   assert alert.text == expected
   alert.accept()

Best practices of Data Driven testing

在数据驱动测试过程中，使用真实的数据是最理想的。
测试流程应该在编写在测试脚本内。
使用数据来驱动断言。
测试数据要包含积极和消极的结果。
将数据驱动的功能测试复用在其他形式的测试，如安全或者性能测试。

Disadvantages of Data Driven testing

测试的质量取决于实施团队的自动化技能。
当测试脚本需要大量的数据时，数据验证的工作也会比较复杂。
维护测试是一个大问题，因为数据驱动测试需要大量的编码。
使用DDT完成测试脚本的开发需要比较高水平的coding能力。
会产生很多文件。主要是与管理测试脚本和测试结果有关。

DDT是一种编写自动化测试的规范或者说是一个框架，用文件的形式存储测试数据，达到数据和测试脚本物理上的隔离，从而达到更好维护用例和更make sense的结果。大家在实践DDT或者学习DDT过程中遇到过哪些问题或者有什么更好的实践，欢迎找我讨论！