数据驱动测试是一种有效的测试方法,可以使用不同的输入数据运行相同的测试用例。结合pytest和CSV文件可以方便地实现数据驱动测试,相比于yaml以及Excel,使用CSV实现数据驱动不需要借助其他的第三方库,可以直接使用Python读取数据。在这篇文章中,我们将介绍如何使用pytest和CSV实现数据驱动测试。
假设我们要测试一个简单的函数,比如计算两个数的乘积:
# code.py
def multiply(a, b):
return a * b
接下来,创建一个CSV文件,用于存储测试数据:
operand_a,operand_b,expected_result
2,3,6
-1,5,-5
0,10,0
0.5,2,1
0.5,0.5,0.25
创建一个pytest测试文件,编写测试用例并读取CSV文件中的数据:
# test_code.py
import csv
import pytest
from code import multiply
def load_test_data():
test_data = []
with open('test_data.csv', newline='') as csvfile:
reader = csv.DictReader(csvfile)
for row in reader:
test_data.append(row)
return test_data
@pytest.mark.parametrize("data", load_test_data())
def test_multiply(data):
operand_a = int(data['operand_a'])
operand_b = int(data['operand_b'])
expected_result = int(data['expected_result'])
result = multiply(operand_a, operand_b)
assert result == expected_result, f"{operand_a} * {operand_b} 应该得到 {expected_result},实际得到 {result}"
现在,运行pytest命令来执行测试:
pytest test_code.py
pytest
将会读取test_code.py
文件中的测试用例,并根据CSV文件中提供的数据对multiply
函数进行测试。每个测试用例都会使用CSV文件中的数据进行数据驱动测试。
结合pytest
和CSV
文件,我们成功实现了数据驱动测试,对同一个函数在不同输入下进行了多组测试。这种方法使得测试用例易于管理,同时能够更全面地覆盖不同的测试场景,确保代码的稳定性和正确性。数据驱动测试的优势在于能够快速扩展测试数据,提高测试的覆盖率和可靠性。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。