前言
我们之前介绍过pytest的参数化，我们使用了@pytest.mark.parametrize(argnames, argvalues)来实现批量传送参数的目的，但是我们不进行数据驱动的话，我们一旦对数据进行变更，就需要在代码里对我们的参数进行逐一的修改，这对我们来说，是额外增加的工作量，而通过专门存储数据的文件来实现数据驱动，就可以节省我们的工作量，改变参数时，我们只需要对数据文件进行修改，在数据驱动测试中，yaml文件是我们最常使用的数据驱动文件之一，本文就给大家介绍一下pytest结合yaml实现数据驱动。
环境安装
我们在使用yaml之前，需要先安装好yaml的第三方库，命令如下：
pip install PyYAML
创建测试文件和数据文件
假设我们要测试一个简单的函数，比如计算两个数的和：
# code.py
def add(a, b):
return a + b
接下来，创建一个yaml文件，用于存储测试数据：
# test_data.yaml
test_case_1:
a: 2
b: 3
expected_result: 5
test_case_2:
a: -1
b: 10
expected_result: 9
test_case_3:
a: 0
b: 0
expected_result: 0
编写测试用例
现在，创建一个pytest测试文件，编写测试用例并读取yaml文件中的数据：
# test_code.py
import yaml
import pytest
from code import add
def load_test_data():
with open('test_data.yaml', 'r') as file:
test_data = yaml.safe_load(file)
return test_data
@pytest.mark.parametrize("input_data", load_test_data().values())
def test_add(input_data):
a = input_data['a']
b = input_data['b']
expected_result = input_data['expected_result']
result = add(a, b)
assert result == expected_result, f"计算错误：{a} + {b} 应该得到 {expected_result}，实际得到 {result}"
运行测试
我们接下来可以运行测试，直接在pycharm中点击绿色三角形运行即可，我们也可以使用命令行运行，命令如下：
pytest test_code.py
pytest将会读取test_code.py文件中的测试用例，并根据test_data.yaml中提供的数据对add函数进行测试。每个测试用例都会使用yaml文件中的数据来进行数据驱动测试。
总结
结合pytest和yaml，我们实现了数据驱动测试，有效地测试了同一个函数在不同输入下的行为。这种方法使得测试用例易于维护，并且可以轻松地添加更多的测试数据，确保代码的稳定性和正确性。
