Python Decorator实现数据驱动测试

测试积点老人

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：

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

复制代码

测试代码中，只需要关心具体的业务逻辑。
装饰器源码

1. def d_drive_data(msg='', level='test'):  
   
2.     def _call(f):  
   
3.         @functools.wraps(f)  
   
4.         def __call(instance, *args, **kwargs):  
   
5.             csv_file = instance._get_csv_file(level)  
   
6.             print_log('CSV file is here: ' + csv_file)  
   
7.             cdf = CsvParser(csv_file)  
   
8.             init_data = cdf.get_iterator()  
   
9.             # 循环逻辑在这里  
   
10.             for data in init_data:  
    
11.                 return_ = f(instance, **data)  
    
12.             return return_  
    
13.         return __call  
    
14.     return _call  

复制代码