pytest笔记（6）——DDT（终）

最新推荐文章于 2024-12-16 14:45:13 发布

${老夫的少女心}

最新推荐文章于 2024-12-16 14:45:13 发布

阅读量291

点赞数

分类专栏： pytest 文章标签： python

本文链接：https://blog.youkuaiyun.com/qq_32828053/article/details/119729145

版权

pytest 专栏收录该内容

11 篇文章

订阅专栏

这篇博客详细介绍了DDT（Data Driven Testing）在处理CSV、Excel和数据库数据时的方法。包括使用Python的csv库读写CSV文件，pandas库操作Excel文件，以及使用pymysql库连接和操作MySQL数据库。内容涵盖了数据读取、内容提取、数据写入以及数据库的增删改查操作，为数据驱动测试提供了基础操作示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DDT-csv文件
    导入类库
        import csv
    打开csv文件
        #打开文件
        file = open('D:\\test.csv','r')
    读取csv文件
        #定义一个列表
        data = []
        # 读文件
        txt = csv.reader(file)
        #跳过首行
        txt.__next__()
        #取出内容
        for i in txt:
            print(type(i[1]),i[1])
            # 内容放入一个列表中，方便引用
            data.append(i[1])
        print(data)
        # 用列表返回所有数据
        data_list = list(txt)
    写入csv文件
        file02 = open("文件",'ab')
        writers = csv.writer(file02)
        writers.writerows('需要写入的内容最好是列表')
    关闭csv文件
        file1.close()
        file02.close()

DDT-Excel文件
    导入类库
        import pandas as pd
        第一次使用需要安装pandas库和xlrd库
    读取Excel
        file03 = pd.read_excel('文件路径')
    提取相应行
        cle = file03.loc[[1,2]].values  #读取跳过首行的第1行或第2行，从0开始计算行数

    提取相应列
        list1 = file03['列名'].values  #获取到的类型是<class 'numpy.ndarray'>，需要我们转换为list使用
        list = list1.tolist() #可以把<class 'numpy.ndarray'>转换为list类型
        # 但是在真正引用的时候return 返回的还是自定义的类型需要我们把return的结果进行一个转换为字典使用eval()方法


DDT-数据库读取
    导入类库
        import pymysql
    数据库链接
        conn = pymysql.connect(
            host="",  # 域名
            port=int(3306),  # 端口号,需要是整形
            user='',  # 用户名
            password='',  # 密码
            db='',  # 链接的库名称
            charset='utf8'  # 如果查询有中文需要指定数据库编码，此处的编码是utf8不是utf-8
        )
    数据库访问
        cursor = db.cursor()
    提取内容
        cursor.execute('SQL命令')
        # 获取查询结果。cur.fetchall()
        response = cur.fetchall()
        #更改数据库信息：
        cur.execute("SQL命令")
        # 提交更改数据,修改的数据必须提交才能生效
        conn.commit()
        # 回滚所有操作：
        conn.rollback()  # 回滚所有更改（注意用的是conn)
        # 4、使用完成之后需要关闭游标和链接
    关闭数据库链接
        cur.close()  # 关闭游标
        conn.close()  # 关闭链接
                # 封装数据库的增/改/删操作：
                def update_sql(sql):
                    conn = get_db_conn()  # 建立链接
                    cur = conn.cursor()  # 建立游标
                    try:
                        cur.execute(sql) #输入sql语句
                        conn.commit #提交内容
                    except Exception as e:
                        conn.rollback() #回滚
                    cur.close  # 关闭游标
                    conn.close  # 关闭链接
                    return response  # 返回结果

===========================================DDT数据驱动小结================================================
一、数据结构
    列表
        读取方法
            for循环从列表中获取数据：for i in a:
            下标获取a[1]
        追加：list.append('内容')
    字典
        读取方法：userinfo = {'name':'哈哈','pwd':'123456'}
            读取key:for key in userinfo.key():
            读取value:for vale in userinfo.values()
        追加：userinfo['moble'] = '15552533859'
    json串
        读取方法：
            先转换为字典：d =json.load(d)

二、文件
    文本txt
        打开：fi01 = open('文件路径及名称','r',encoding='utf-8')
        读取：data01 = fi01.read()
        写：
            fi011 = open('文件路径','a')
            fi011.write('内容')
        关闭：fi01.close()
    csv
        导入库：import csv
        打开: fi02 = open('文件','r')
        读取: data02 = csv.reader(fi02)
        写:
            fi021 = open('文件','a')
            fi021.write('内容')
        关闭：fi021.close()
    excel
        导入库：import pandas as pd  #需要导入pandas 和xlrd库
        读取：
            fi03 = pd.read_excel('文件') #读取出的格式是
            提取相应行
            cle = fi03.loc[[1,2]].values  #读取跳过首行的第1行或第2行，从0开始计算行数
            提取相应列
            list1 = fi03['列名'].values  #获取到的类型是<class 'numpy.ndarray'>，需要我们转换为list使用
            list = list1.tolist() #可以把<class 'numpy.ndarray'>转换为list类型
            # 但是在真正引用的时候return 返回的还是自定义的类型需要我们把return的结果进行一个转换为字典使用eval()方法

三、数据库
    导入类库
    import pymysql

    数据库链接
    conn = pymysql.connect(
        host="",  # 域名
        port=int(3306),  # 端口号,需要是整形
        user='',  # 用户名
        password='',  # 密码
        db='',  # 链接的库名称
        charset='utf8'  # 如果查询有中文需要指定数据库编码，此处的编码是utf8不是utf-8
    )
    数据库访问
    cursor = db.cursor()
    提取内容
    cursor.execute('SQL命令')
    # 获取查询结果。cur.fetchall()
    response = cur.fetchall()
    # 更改数据库信息：
    cur.execute("SQL命令")
    # 提交更改数据,修改的数据必须提交才能生效
    conn.commit()
    # 回滚所有操作：
    conn.rollback()  # 回滚所有更改（注意用的是conn)
    # 4、使用完成之后需要关闭游标和链接
    关闭数据库链接
    cur.close()  # 关闭游标
    conn.close()  # 关闭链接

四、pytest参数化


五、如何进行框架DDT设计
    设计风格1：
        前提：已经具备的脚本：
        前期准备：明确
            确定哪些脚本需要使用批量的数据
            哪些脚本使用外部数据文件
            哪些脚本需要使用数据库
            分析数据是否需要公用，私有数据放于脚本中，共有的则可以放在独立脚本中（数据种类比较少），也可以分类存在，放于comment数据层放置多个py文件（适用与多数据）
    风格2：
        前提：没有自动化脚本
        方案：
            先根据数据特点先设计数据层
            或者先写脚本然后遇到后再规划DDT划分

====================================================结束================================================