一、前言 二、二次封装 三、数据驱动 一、前言
本文章主要讲解Python自动化测试中openpyxl的二次封装，在自动化测试中能够更好的管理测试用例以及代码，除此之外下方有系列文章的传送门，还在持续更新中，感兴趣的小伙伴也可以前往查看，话不多说，让我们一起看看吧~
系列文章：
系列文章1：【Python自动化测试1】遇见Python之美
系列文章2：【Python自动化测试2】Python安装配置及PyCharm基本使用
系列文章3：【Python自动化测试3】初识数据类型与基础语法
系列文章4：【Python自动化测试4】字符串知识总结
系列文章5：【Python自动化测试5】列表与元组知识总结
系列文章6：【Python自动化测试6】字典与集合知识总结
系列文章7：【Python自动化测试7】数据运算符知识合集
系列文章8：【Python自动化测试8】流程控制语句讲解
系列文章9：【Python自动化测试9】函数知识合集
系列文章10：【Python自动化测试10】文件基础操作
系列文章11：【Python自动化测试11】模块、包与路径知识合集
系列文章12：【Python自动化测试12】异常处理机制知识合集
系列文章13：【Python自动化测试13】类、对象、属性与方法知识合集
系列文章14：【Python自动化测试14】Python自动化测试基础与进阶练习题
系列文章15：【Python自动化测试15】unittest测试框架的核心概念与作用
系列文章16：【Python自动化测试16】测试用例数据分离
二、二次封装
基于上一次16章节的代码，我们可以继续对代码进行优化封装，封装后的代码会更加高效，主要分为三个文件：
（1）test_login.py # 测试文件
（2）login_function # 存储被测函数
（3）excel # excel表格读取
（4）login_case.xlsx # 测试用例数据
优化后的代码如下所示（如果没有看过16章的同学，建议先去阅读16章）：
"""被测函数：login_function"""def login(username=None, password=None): if username is None or password is None: return {"code": 400, "msg": "用户名或密码为空"} if username == "萌笑天" and password == "123456": return {"code": 200, "msg": "登录成功"} return {"code": 300, "msg": "用户名或密码错误"}
"""测试文件：test_login.py"""import unittestfrom excel import read_excel # 导入read_excel的函数，以使用对应的功能from login_function import login# 获取excel数据login_data = read_excel("login_case.xlsx", "login")class TestLogin(unittest.TestCase): def test_login_success(self): # 通过索引为0，找到第一组测试数据 data_info = login_data[0] # 取出测试数据当中的data字段 user_info = eval(data_info["data"]) username = user_info["username"] password = user_info["password"] expected = eval(data_info["expected"]) actual = login(username, password) self.assertEqual(expected, actual)
"""表格读取：excel.py""""""Python操作excel的思路：1、先打开excel文件2、选择对应表格页签3、读取对应单元格数据4、通过数据实现一定的操作5、关闭excel文件"""import openpyxl # 专门用于处理excel表格的库，openpyxl拥有pandas的特性，并属于轻量级库，不会像pandas一样更加复杂，更具优势from openpyxl.worksheet.worksheet import Worksheetdef read_excel(file_path, sheet_name ): """读取excel的函数""" workbook_data = openpyxl.load_workbook(file_path) # 打开名称为case.xlsx的excel文档 sheet: Worksheet = workbook_data[sheet_name] # 页签名为login，定位到login页签，指明sheet类型为Worksheet # """如果我们想要获取某一个单元格的数据，可以使用这个方式，但往往一个表格中有庞大的数据，我们并非通过这样的方式获取""" # cell = sheet.cell(row=1, column=1) # 获取单元格数据，row为行，column为列，代码中表示的为第一行第一列的单元格 # print(cell.value) # 获取第一行第一列的数据 """更推荐的获取方法是获取所有数据，因为获取的数据并非列表类型，我们还需要进一步进行数据转换""" values = list(sheet.values) workbook_data.close() # 关闭文件 title = values[0] rows = values[1:] new_rows = [dict(zip(title, row)) for row in rows] return new_rowsdata = read_excel("login_case.xlsx", "login")print(data)
测试用例数据如下所示：
执行结果如下所示，测试通过：
当有过多的测试函数数据时我们需要通过循环去遍历，也就是for循环遍历，虽然更加便捷可以省略过多的测试函数编写，当仍然会出现一些新问题，Python程序从上往下执行，并逐条进行excel的数据读取，一旦出现报错，会终止程序运行，如下所示，会告知预期结果与实际结果不符，那么程序就会终止运行了（代码中没有直接使用for循环）：
思想：数据驱动（data driven testing）是一种将测试数据（输入，和期望输出）从只包含测试逻辑的测试脚本代码中区别开的方法，简单点说也就是数据分离，数据驱动也是使用不同的数据达到想要的目的。
实现：通过导入数据驱动（DDT）的方式，进行数据驱动：
注意：特别需要注意的就是，如果在代码中加了装饰器实现了数据驱动后，执行代码需要在空白行执行，否则会出现AttributeError的报错，需要牢记！
意义：
（1）测试逻辑高，代码复用率高，可以被多条测试数据复用，同时可以提高编写效率。
（2）异常排查率较高，测试框架依据测试数据，每条数据生成测试用例，用例执行过程相互隔离，数据驱动可以让测试用例数据更加独立，具有独立性，每一个测试用例相互之间不会影响。
（3）代码的可维护性高，清晰的测试框架，提高可读性与可维护性。
import unittestfrom excel import read_excel # 导入read_excel的函数，以使用对应的功能from login_function import loginfrom unittestreport import ddt, list_data # unittestreport是一个综合报告输出、ddt等多个内容的库# 获取excel数据login_data = read_excel("login_case.xlsx", "login")# 测试类上使用ddt，以表示使用数据驱动@ddtclass TestLogin(unittest.TestCase): # 如果你想在哪个函数上使用数据驱动，那么就在函数上增加list_data @list_data(login_data) def test_login_success(self, data_info): # 通过索引为0，找到第一组测试数据 data_info = login_data[0] # 取出测试数据当中的data字段 user_info = eval(data_info["data"]) username = user_info["username"] password = user_info["password"] expected = eval(data_info["expected"]) actual = login(username, password) self.assertEqual(expected, actual)
好啦~以上就是本次文章分享的全部内容啦，你学会了吗？希望能给大家带来帮助哦！