这篇文章主要介绍了Python如何实现参数化测试的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python如何实现参数化测试文章都会有所收获，下面我们一起来看看吧。

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：域名申请、网站空间、营销软件、网站建设、沈丘网站维护、网站推广。

1、什么是参数化测试？

对于普通测试来说，一个测试方法只需要运行一遍，而参数化测试对于一个测试方法，可能需要传入一系列参数，然后进行多次测试。

比如，我们要测试某个系统的登录功能，就可能要分别传入不同的用户名与密码，进行测试：使用包含非法字符的用户名、使用未注册的用户名、使用超长的用户名、使用错误的密码、使用合理的数据等等。

参数化测试是一种“数据驱动测试”（Data-Driven Test），在同一个方法上测试不同的参数，以覆盖所有可能的预期分支的结果。它的测试数据可以与测试行为分离，被放入文件、数据库或者外部介质中，再由测试程序读取。

2、参数化测试的实现思路？

通常而言，一个测试方法就是一个最小的测试单元，其功能应该尽量地原子化和单一化。

先来看看两种实现参数化测试的思路：一种是写一个测试方法，在其内部对所有测试参数进行遍历；另一种是在测试方法之外写遍历参数的逻辑，然后依次调用该测试方法。

这两种思路都能达到测试目的，在简单业务中，没有毛病。然而，实际上它们都只有一个测试单元，在统计测试用例数情况，或者生成测试报告的时候，并不乐观。可扩展性也是个问题。

那么，现有的测试框架是如何解决这个问题的呢？

它们都借助了装饰器，主要的思路是：利用原测试方法（例如 test()），来生成多个新的测试方法（例如 test1()、test2()……），并将参数依次赋值给它们。

由于测试框架们通常把一个测试单元统计为一个“test”，所以这种“由一生多”的思路相比前面的两种思路，在统计测试结果时，就具有很大的优势。

3、参数化测试的使用方法？

Python 标准库中的unittest 自身不支持参数化测试，为了解决这个问题，有人专门开发了两个库：一个是ddt ，一个是parameterized 。

ddt 正好是“Data-Driven Tests”（数据驱动测试）的缩写。典型用法：

import unittest  from ddt import ddt,data,unpack  @ddt  class MyTest(unittest.TestCase):      @data((3, 1), (-1, 0), (1.2, 1.0))      @unpack      def test_values(self, first, second):          self.assertTrue(first > second)  unittest.main(verbosity=2)

运行的结果如下：

test_values_1__3__1_ (__main__.MyTest) ... ok  test_values_2___1__0_ (__main__.MyTest) ... FAIL  test_values_3__1_2__1_0_ (__main__.MyTest) ... ok  ==================================================  FAIL: test_values_2___1__0_ (__main__.MyTest)  --------------------------------------------------  Traceback (most recent call last):    File "C:\Python36\lib\site-packages\ddt.py", line 145, in wrapper      return func(self, *args, **kwargs)    File "C:/Users/pythoncat/PycharmProjects/study/testparam.py", line 9, in test_values      self.assertTrue(first > second)  AssertionError: False is not true  ----------------------------------------------  Ran 3 tests in 0.001s  FAILED (failures=1)

结果显示有 3 个 tests，并详细展示了运行状态以及断言失败的信息。

需要注意的是，这 3 个 test 分别有一个名字，名字中还携带了其参数的信息，而原来的 test_values 方法则不见了，已经被一拆为三。

在上述例子中，ddt 库使用了三个装饰器（@ddt、@data、@unpack），实在是很丑陋。下面看看相对更好用的 parameterized 库：

import unittest  from parameterized import parameterized  class MyTest(unittest.TestCase):      @parameterized.expand([(3,1), (-1,0), (1.5,1.0)])      def test_values(self, first, second):          self.assertTrue(first > second)  unittest.main(verbosity=2)

测试结果如下：

test_values_0 (__main__.MyTest) ... ok  test_values_1 (__main__.MyTest) ... FAIL  test_values_2 (__main__.MyTest) ... ok  =========================================  FAIL: test_values_1 (__main__.MyTest)  -----------------------------------------  Traceback (most recent call last):    File "C:\Python36\lib\site-packages\parameterized\parameterized.py", line 518, in standalone_func      return func(*(a + p.args), **p.kwargs)    File "C:/Users/pythoncat/PycharmProjects/study/testparam.py", line 7, in test_values      self.assertTrue(first > second)  AssertionError: False is not true  ----------------------------------------  Ran 3 tests in 0.000s  FAILED (failures=1)

这个库只用了一个装饰器 @parameterized.expand，写法上可就清爽多了。

同样提醒下，原来的测试方法已经消失了，取而代之的是三个新的测试方法，只是新方法的命名规则与 ddt 的例子不同罢了。

介绍完 unittest，接着看已经死翘翘了的nose 以及新生的nose2 。nose 系框架是带了插件（plugins）的 unittest，以上的用法是相通的。

另外，nose2 中还提供了自带的参数化实现：

import unittest  from nose2.tools import params  @params(1, 2, 3)  def test_nums(num):      assert num < 4  class Test(unittest.TestCase):      @params((1, 2), (2, 3), (4, 5))      def test_less_than(self, a, b):      assert a < b

最后，再来看下 pytest 框架，它这样实现参数化测试：

import pytest  @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])  def test_values(first, second):      assert(first > second)

测试结果如下：

==================== test session starts ====================  platform win32 -- Python 3.6.1, pytest-5.3.1, py-1.8.0, pluggy-0.13.1  rootdir: C:\Users\pythoncat\PycharmProjects\study collected 3 items  testparam.py .F  testparam.py:3 (test_values[-1-0])  first = -1, second = 0      @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])      def test_values(first, second):  >       assert(first > second)  E       assert -1 > 0  testparam.py:6: AssertionError  .                                                         [100%]  ========================= FAILURES ==========================  _________________________ test_values[-1-0] _________________________  first = -1, second = 0       @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])      def test_values(first, second):  >       assert(first > second)  E       assert -1 > 0  testparam.py:6: AssertionError  ===================== 1 failed, 2 passed in 0.08s =====================  Process finished with exit code 0

关于“Python如何实现参数化测试”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Python如何实现参数化测试”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注创新互联行业资讯频道。

当前名称：Python如何实现参数化测试
分享路径：http://scyanting.com/article/jsidod.html