python接口自动化测试 - unittest框架suite、runner详细使用

简介: python接口自动化测试 - unittest框架suite、runner详细使用

test suite

  • 测试套件,理解成测试用例集
  • 一系列的测试用例,或测试套件,理解成测试用例的集合和测试套件的集合
  • 当运行测试套件时,则运行里面添加的所有测试用例

test runner

  • 测试运行器
  • 用于执行和输出结果的组件

test suite、test runner基础使用

单元测试类

 # 创建单元测试类,继承unittest.TestCase
  class testCase(unittest.TestCase):
 
      # 测试case
      def test_01(self):
          print("test01")
 
      def test_03(self):
          print("test03")

    def test_04(self):
         print("test04")

     def test_05(self):
         print("test05")

主函数

 if __name__ == '__main__':
      # 实例化测试套件
      suite = unittest.TestSuite()
      # 实例化第二个测试套件
      suite1 = unittest.TestSuite()
      # 添加测试用例 - 方式一
      suite.addTest(testCase('test_03'))
      suite.addTest(testCase('test_01'))
      suite1.addTest(testCase('test_03'))
     suite1.addTest(testCase('test_01'))
     # 添加测试用例 - 方式二
     testcase = (testCase('test_05'), testCase('test_04'))
     suite.addTests(testcase)
     # 测试套件添加测试套件
     suite.addTest(suite1)
     # 实例化TextTestRunner类
     runner = unittest.TextTestRunner()
     # 运行测试套件
     runner.run(suite)

运行结果

 test03
  test01
  test05
  test04
  test03
  test01
  ......
  ----------------------------------------------------------------------
  Ran 6 tests in 0.000s

 OK

包含知识点

  • 使用测试套件时,测试用例的执行顺序可以自定义,按照添加的顺序执行
  • 有两种添加测试用例的方式,推荐方式二,代码更少更快捷
  • addTests(tests) ,传入的 tests 可以是list、tuple、set
  • 添加的测试用例格式是:单元测试类名(测试用例名)
  • 使用测试套件执行测试用例的大致步骤是:实例化TestSuite - 添加测试用例 - 实例化TextTestRunner - 运行测试套件
  • 测试套件也可以添加测试套件

测试用例批量执行

单元测试类文件

前三个文件是包含了单元测试类的文件,第四个文件是负责运行所有单元测试类,不包含测试用例

列举某个单元测试类文件代码

 # 创建单元测试类,继承unittest.TestCase
  class testCase02(unittest.TestCase):
 
      # 测试case
      def test_07(self):
          print("testCase02 test07")
 
      def test_06(self):
         print("testCase02 test06")

     def test_11(self):
         print("testCase02 test11")

test_run.py 代码

批量运行测试用例方式一:

 import unittest
  from learn.unittestLearning import test_case02
  from learn.unittestLearning.test_case03 import testCase03
 
 if __name__ == '__main__':
      # 通过模块
      testcase02 = unittest.TestLoader().loadTestsFromModule(test_case02)
      # 通过单元测试类
      testcase03 = unittest.TestLoader().loadTestsFromTestCase(testCase03)
     # 通过模块字符串
     testcase04 = unittest.TestLoader().loadTestsFromName('learn.unittestLearning.test_case04')
     # 测试用例集
     tests = [testcase02, testcase03, testcase04]
    # 创建测试套件
     suite = unittest.TestSuite(tests)
     # 运行测试套件
     unittest.TextTestRunner(verbosity=2).run(suite)

包含知识点

  • loadTestsFromTestCase(testCaseClass) :testCaseClass输入单元测试类,但需要先import
  • loadTestsFromModule(module, pattern=None) :module输入单元测试类所在模块,也需要import
  • loadTestsFromName(name, module=None) :name是一个string,需满足以下格式: module.class.method ,可以只到输入到class
  • verbosity :表示测试结果的信息详细程,一共三个值,默认是1
  • 0 (静默模式):你只能获得总的测试用例数和总的结果 比如 总共100个 失败20 成功80
  • 1 (默认模式):非常类似静默模式 只是在每个成功的用例前面有个 .  每个失败的用例前面有个 F
  • 2 (详细模式):测试结果会显示每个测试用例的所有相关的信息

批量运行测试用例方式二(推荐!!):

 import unittest

 if __name__ == '__main__':
     # 需要运行的单元测试文件目录
     test_path = './'
     # 实例化defaultTestLoader
     discover = unittest.defaultTestLoader.discover(start_dir=test_path, pattern="test_case*.py")
     # 运行测试用例集
     unittest.TextTestRunner().run(discover)

优点:是不是简洁。。是不是很快??只需三行代码!!

包含知识点

  • start_dir :写需要运行的单元测试文件目录
  • pattern :单元测试文件的匹配规则,默认是 test*.py ,可根据自己的命名规则修改此正则
  • discover()方法可自动根据测试目录start_dir 匹配查找测试用例文件 test*.py ,并将查找到的测试用例组装到测试套件,因此可以直接通过 run() 方法执行 discover

批量执行测试用例的结果

 testCase02 test06
  testCase02 test07
  testCase02 test11
  testCase03 test05
  testCase03 test08
  testCase03 test12
  testCase04 test02
  testCase04 test04
 testCase04 test13
 .........
 ----------------------------------------------------------------------
 Ran 9 tests in 0.000s

 OK
相关文章
|
11月前
|
设计模式 前端开发 测试技术
告别脆弱:构建稳定UI自动化测试的3个核心策略
告别脆弱:构建稳定UI自动化测试的3个核心策略
919 113
|
11月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
755 0
|
11月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
784 1
|
12月前
|
存储 关系型数据库 测试技术
玩转n8n测试自动化:核心节点详解与测试实战指南
n8n中节点是自动化测试的核心,涵盖触发器、数据操作、逻辑控制和工具节点。通过组合节点,测试工程师可构建高效、智能的测试流程,提升测试自动化能力。
|
11月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
808 0
|
11月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
476 0
|
12月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
902 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
12月前
|
自然语言处理 前端开发 测试技术
使用 Playwright MCP 实现 UI 自动化测试
本文介绍如何结合Playwright与MCP协议实现智能化UI自动化测试。通过自然语言指令控制浏览器,降低技术门槛,提升效率,并涵盖环境搭建、核心功能、实战案例及最佳实践,展现对话式自动化的未来趋势。
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
311 1

推荐镜像

更多