使用Python Decorator实现数据驱动测试

大家都知道，数据驱动是在编写自动化测试框架时一种常用的设计方法。本文笔者根据自己开发自动化测试框架的经验来谈一谈Python中的数据驱动实现。

数据驱动的本质

所谓数据驱动，是指一段测试代码的执行次数，由相关数据的多少决定，也就是数据『驱使』代码的执行。举个栗子，一个接口需要测试100种输入，返回结果经过decode之后和预期结果进行比较。一般情况下，大家想到的办法就是循环读取这100种输入和预期结果，然后进行断言。其实，这已经实现了最基本的数据驱动模式。

循环的问题

虽然循环能在一定程度上能够解决数据驱动的问题，但是确定缺点也比较明显：

每一个需要数据驱动的测试用例，都要重写类似的循环；
写业务测试代码的同时，还需要关心语法逻辑

装饰器设计模式

关于装饰器的介绍文章已经有很多了，在这里就不多做介绍，没有这方面基础的请移步Python装饰器学习

Python装饰器实现数据驱动

先给出一段调用示例代码

@WebApiBaseTestCase.d_drive_data()
def test_negative_total_fee(self, money, code, msg, comment):
r = self.bcw.gen_prepay_order_business(money)
r_code = r['result']['error']['code']
r_msg = r['result']['error']['message']
self.assertEqual(code, r_code)
self.assertEqual(msg, r_msg)

测试代码中，只需要关心具体的业务逻辑。

装饰器源码

def d_drive_data(msg='', level='test'):
def _call(f):
@functools.wraps(f)
def __call(instance, *args, **kwargs):
csv_file = instance._get_csv_file(level)
print_log('CSV file is here: ' + csv_file)
cdf = CsvParser(csv_file)
init_data = cdf.get_iterator()
# 循环逻辑在这里
for data in init_data:
return_ = f(instance, **data)
return return_
return __call
return _call

本个装饰器的例子并不复杂，『编译』阶段，装饰器会根据CSV文件的行数重写test方法，从而达到数据驱动的目的。