全网最细,Web自动化测试-数据驱动测试(超强整理)

2023-12-26 15:52

本文主要是介绍全网最细,Web自动化测试-数据驱动测试(超强整理),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录:导读

    • 前言
    • 一、Python编程入门到精通
    • 二、接口自动化项目实战
    • 三、Web自动化项目实战
    • 四、App自动化项目实战
    • 五、一线大厂简历
    • 六、测试开发DevOps体系
    • 七、常用自动化测试工具
    • 八、JMeter性能测试
    • 九、总结(尾部小惊喜)


前言

1、什么是数据驱动测试

数据驱动测试被称为DDT:
D-data:数据
D-driver:驱动
T:tests:测试用例

数据驱动测试的使用场景:
将不同的数据放在同一个业务逻辑上运行,然后驱动测试用例执行

核心思想:实现一个用例脚本使用不同的参数数据进行全部的用例执行

2、pytest实现参数化流程

对于一样的用例执行流程,使用不同的参数数据可以进行数据驱动测试
实现参数化流程

安装第三库pytest测试框架

创建模块以及用例函数名都需要符合pytest默认的匹配规则
调用pytest标记参数化进行实现

import pytest@pytest.mark.parametrize(["username", "password"], [
[123, 456],
[789, 120],
["a", "b"],
["i", "o"],
])
def test_a(username, password):print(f"输入用户名:{username}")print(f"输入密码:{password}")

pytest -vs

3、获取数据的方式

在实现参数化结合数据驱动测试过程中,如果数据量比较大,那么不会直接使用固定列表中的实参

一般会放置文件中保持起来,需要使用的时候通过读取不同类型的文件数据进行符合参数化的标准

数据保存的文件格式类型:
Text文本
Csv文件
Excel文件
Json文件
Yaml文件

1)Text文本数据读取

读取文本数据进行数据处理符合参数化的标准:

def get_text_data():with open(r"D:\pythonProject54\用户名密码.txt",encoding="utf-8") as f:# 读取的每一行数据都有换行符# 列表中的每一个数据都是字符串不符合参数化的标准# 参数化的标准实参:列表中嵌套列表/元组# 处理数据方案:除去换行符,整理数据列表嵌套列表# print(f.readlines())list1 = []for i in f.readlines():list1.append(i.strip())else:# print(list1)list2 = []for i in list1:list2.append(i.split(","))else:# print(list2)# 符合参数化实参标准进行返回return list2# print(get_text_data())

数据处理完成之后的调用:

@pytest.mark.parametrize(["username2", "password2"], get_text_data())
def test_b(username2, password2):print(f"输入用户名:{username2}")print(f"输入密码:{password2}")

2)Csv文件数据读取

定义:逗号分隔值,以文本文件储存方式,表现形式是以表格的格式展示
使用csv文件的步骤:

新建一个文本文件
每个数据之间用,隔开

保存文件,然后修改文件的后缀名:text—csv
进行数据读取并且使用

# 读取csv文件数据内容
def get_csv_data():c1 = csv.reader(open(r"D:\pythonProject54\登录账号密码.csv", encoding="utf-8"))list1 = []for i in c1:list1.append(i)else:# print(list1)return list1# get_csv_data()

csv文件结合pytest参数化实现数据驱动测试使用

@pytest.mark.parametrize(["username3", "password3", "code3"], get_csv_data())
def test_c(username3, password3, code3):print(f"输入用户名:{username3}")print(f"输入密码:{password3}")print(f"输入验证码:{code3}")

项目实战中参数化实现数据驱动测试场景:

@pytest.mark.parametrize(["username3", "password3", "code3"], get_csv_data())
def test_admin_login(username3, password3, code3):# 获取驱动对象driver = webdriver.Chrome()# 访问被测页面driver.get('http://localhost/index.php/Admin/Admin/login')# 页面最大化driver.maximize_window()# 构造线性脚本执行用例# 输入账号driver.find_element(By.XPATH, '//*[@id="theForm"]/div/div[1]/div[2]/div[1]/input').send_keys(username3)# 输入密码driver.find_element(By.XPATH, '//*
[@id="theForm"]/div/div[1]/div[2]/div[2]/input').send_keys(password3)# 输入验证码driver.find_element(By.XPATH, '//*
[@id="theForm"]/div/div[1]/div[2]/div[3]/input').send_keys(code3)# 点击登录driver.find_element(By.XPATH, '//*
[@id="theForm"]/div/div[1]/div[2]/div[5]/span/input').click()# 获取实际结果# 断言预期结果和实际结果# 添加日志信息,缺陷报告....

3)Excel文件数据读取
Excel和Csv文件区别:

文件储存格式不一样:
Excel二进制
Csv文本格式

功能不一样:
Excel公式数据处理方式
Csv简单的数据表格显示

使用效率:
Csv文件读取速度更快,更加便捷且高效
Excel文件相对来说处理复杂程度更高

Excel数据读取使用步骤:
安装第三库
指定版本安装

pip install xlrd==1.2.0

读取数据处理参数化的标准:

# Excel数据读取和使用
def get_excel_data():xls = xlrd.open_workbook(r"D:\pythonProject54\实参数据内容.xlsx")# 获取表格中的工作簿sheet1 = xls.sheet_by_index(0)# 获取所有的数据列总数# print(sheet1.ncols) # 2## # 获取所有的数据行总数# print(sheet1.nrows) # 7# 获取每一行数据list1 = []for i in range(sheet1.nrows):# print(sheet1.row_values(i))list1.append(sheet1.row_values(i))else:# print(list1)return list1
# print(get_excel_data())

数据的使用:

@pytest.mark.parametrize(["username2", "password2"], get_excel_data())
def test_d(username2, password2):print(f"输入用户名:{username2}")print(f"输入密码:{password2}")

4)Json文件数据读取

json数据格式特点:
轻量级
简洁清晰
传输的效率特别高

使用步骤方式:
导入json模块
将json数据格式转化为Python的数据类型
将Python的数据类型格式转化为json格式

# json数据格式处理
json_str = '''
[{"name":"张三","sex":"男","age":18},{"name":"李四","sex":"女","age":20},{"name":"王
五","sex":"女","age":16}]
'''
# python中的字符串
print(type(json_str))# 转化为json数据格式
json_str2 = json.loads(json_str)
# print(json_str2)
# print(type(json_str2))
list1 = []
for i in json_str2:list1.append(i["name"])list1.append(i["sex"])list1.append(i["age"])
else:print(list1)
下面是我整理的2023年最全的软件测试工程师学习知识架构体系图

一、Python编程入门到精通

请添加图片描述

二、接口自动化项目实战

请添加图片描述

三、Web自动化项目实战

请添加图片描述

四、App自动化项目实战

请添加图片描述

五、一线大厂简历

请添加图片描述

六、测试开发DevOps体系

请添加图片描述

七、常用自动化测试工具

请添加图片描述

八、JMeter性能测试

请添加图片描述

九、总结(尾部小惊喜)

执着的追求是成功的前提,无畏的努力是梦想的基石。不论遇到多少困难,都要坚持奋斗,因为只有拼搏过后,我们才能品味到胜利的甜蜜与辉煌。

奋斗不止是一种选择,更是一种责任,因为每一份努力都将成就未来的自己,让我们坚定信念,勇往直前,创造属于自己的精彩人生。

不论起点如何,只要心怀梦想,脚踏实地,努力奋斗,我们都能迸发出无限的力量,创造属于自己的辉煌。相信自己,超越极限,成就不凡。

这篇关于全网最细,Web自动化测试-数据驱动测试(超强整理)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/540019

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

MyBatis Plus 中 update_time 字段自动填充失效的原因分析及解决方案(最新整理)

《MyBatisPlus中update_time字段自动填充失效的原因分析及解决方案(最新整理)》在使用MyBatisPlus时,通常我们会在数据库表中设置create_time和update... 目录前言一、问题现象二、原因分析三、总结:常见原因与解决方法对照表四、推荐写法前言在使用 MyBATis

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

MySQL复杂SQL之多表联查/子查询详细介绍(最新整理)

《MySQL复杂SQL之多表联查/子查询详细介绍(最新整理)》掌握多表联查(INNERJOIN,LEFTJOIN,RIGHTJOIN,FULLJOIN)和子查询(标量、列、行、表子查询、相关/非相关、... 目录第一部分:多表联查 (JOIN Operations)1. 连接的类型 (JOIN Types)

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python实现自动化Word文档样式复制与内容生成

《Python实现自动化Word文档样式复制与内容生成》在办公自动化领域,高效处理Word文档的样式和内容复制是一个常见需求,本文将展示如何利用Python的python-docx库实现... 目录一、为什么需要自动化 Word 文档处理二、核心功能实现:样式与表格的深度复制1. 表格复制(含样式与内容)2

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

pytest+allure环境搭建+自动化实践过程

《pytest+allure环境搭建+自动化实践过程》:本文主要介绍pytest+allure环境搭建+自动化实践过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录一、pytest下载安装1.1、安装pytest1.2、检测是否安装成功二、allure下载安装2.