前言
前面实现了一个基础的读取yaml文件内容，当成用例去执行。虽然入门简单，但需要扩展功能，比如在 yaml 用例实现参数化，就不好扩展了。
因为它并不是一个真正的pytest的模块和用例，无法被钩子函数探测到。所以这篇会把yaml文件动态生成一个py模块，把yaml文件的数据，动态生成一个函数。
pytest 用例收集
pytest 用例收集默认是按test_*.py 模块收集，并且test_开头的函数当成用例来执行的
# test_sample.py
def test_demo():
print("hello")
def test_login():
print("world")
如果我们把上面的代码转成 yaml 文件
test_demo:
print: hello
test_login:
print: hello
在yaml文件中写两个key，对应函数名称，对应的值是执行python的对应函数。
整体思路是把yaml文件转成一个py模块，把yaml里面的键值对，转成函数和待执行的内容。
（题外话：看到这里，有人要 mmp 了，好好代码写到 py 文件不行，非得装逼写到 yaml 文件，不都是一样执行么？）
这就回到面试上了，你去面试时候，面试官问你，你的测试数据有没跟代码分离，有没用到数据驱动，参数化等等等。
为什么测试数据要跟代码分离呢？
面试官觉得好维护，写到代码不好维护。
其实真的好维护吗？
这里打个大大的问号，yaml 文件和 py 文件本质上都是一个文件，你写到 yaml 文件，数据格式写错了编辑器都无法知道，你写到py文件编辑器还能快速识别，并且编辑器还能跳转到对应功能上。
还有一个方面原因：
面试官觉得写代码不好在公司推广，因为大部分公司测试人员不会代码，需要推广自动化，就需用到低代码的框架，让人人都能参与进来。
通过数据驱动的方式，还有个好处就是平台化，平台化落地底层得用数据驱动执行，在平台上维护自动化测试数据，做出可视化，可维护和管理的平台。
pytest+yaml 数据驱动
在conftest.py 完成yaml用例的收集，并转成标准的pytest用例
import types
import yaml
from pathlib import Path
from _pytest.python import Module
def pytest_collect_file(file_path: Path, parent):
if file_path.suffix == ".yml" and file_path.name.startswith("test"):
pytest_module = Module.from_parent(parent, path=file_path)
# 动态创建 module
module = types.ModuleType(file_path.stem)
print('module name:, ', module)
# 解析 yaml 内容
raw_dict = yaml.safe_load(file_path.open(encoding='utf-8'))
print(raw_dict)
# 用例名称test_开头
for function_name, value in raw_dict.items():
def function_template(*args, **kwargs):
"""
测试用例-函数模块
"""
for step_key, step_value in value.items():
# 执行用例里面的方法
eval(step_key)(step_value)
# 向 module 中加入函数
setattr(module, function_name, function_template)
# 重写_getobj 属性
pytest_module._getobj = lambda: module
return pytest_module
test_login.yml测试用例
test_demo:
print: hello
test_login:
print: hello
执行pytest -s
会看到yaml文件中的数据，被转成了标准的pytest 函数式的用例。
执行接口用例
如果我们需要把接口的用例，转成yaml文件，如下示例
# test_sample.py
import requests
def request(*args, **kwargs):
res = requests.Session().request(*args, **kwargs)
print(res.text)
return res
def test_demo():
print("hello")
def test_login():
req = {
"url": "http://127.0.0.1:8000/api/v1/login",
"method": "POST",
"headers": {"Content-Type": "application/json"},
"json": {"username": "test", "password": "123456"}
}
request(**req)
封装一个公共的请求方法request，只需要传接口参数就可以实现, 于是在yaml中可以这样写
test_demo:
print: hello
test_login:
request:
url: http://124.70.221.221:8201/api/v1/login/
method: POST
headers:
Content-Type: application/json
User-Agent: python-requests/2.18.4
json:
username: test
password: 123456
在conftest.py 文件中完成收集用例钩子
import types
import yaml
from pathlib import Path
from _pytest.python import Module
import requests
def request(*args, **kwargs):
res = requests.Session().request(*args, **kwargs)
print(res.text)
return res
def pytest_collect_file(file_path: Path, parent):
if file_path.suffix == ".yml" and file_path.name.startswith("test"):
pytest_module = Module.from_parent(parent, path=file_path)
# 动态创建 module
module = types.ModuleType(file_path.stem)
print('module name:, ', module)
# 解析 yaml 内容
raw_dict = yaml.safe_load(file_path.open(encoding='utf-8'))
print(raw_dict)
# 用例名称test_开头
for function_name, value in raw_dict.items():
def function_template(*args, **kwargs):
"""
测试用例-函数模块
"""
for step_key, step_value in value.items():
# 执行用例里面的方法
if step_key == 'request':
res = request(**step_value)
else:
eval(step_key)(step_value)
# 向 module 中加入函数
setattr(module, function_name, function_template)
# 重写_getobj 属性
pytest_module._getobj = lambda: module
return pytest_module
于是 yaml 文件中的接口请求，就会被当成用例执行了。
学习思路来自这篇https://blog.csdn.net/Hogwartstester/article/details/126767687
