⬇️ 点击“下方链接”，提升测试核心竞争力！
更多技术文章分享和免费资料领取
https://qrcode.ceba.ceshiren.com/link?name=article&project_id=qrcode&from=Aliyun×tamp=1649927491
理念与同“UI自动化测试框架”中的“测试步骤的数据驱动”相同，接口中的测试步骤的数据驱动就是将接口的参数（比如 method、url、param等）封装到 yaml 文件中管理。当测试步骤发生改变，只需要修改 yaml 文件中的配置即可。
数据驱动就是数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。简单来说，就是参数化的应用。数据量小的测试用例可以使用代码的参数化来实现数据驱动，数据量大的情况下建议使用一种结构化的文件（例如yaml，json等）来对数据进行存储，然后在测试用例中读取这些数据。
原理与前面章节“UI自动化测试框架”中的“测试数据的数据驱动”大同小异。依然使用 @pytest.mark.parametrize 装饰器来进行参数化，使用参数化来实现数据驱动。
通过参数化的方式，分别判断id为2，3的部门的parentid为1：
import pytest
class TestDepartment:
department = Department()
@pytest.mark.parametrize("id", [2, 3])
def test_department_list(self, id):
r = self.department.list(id)
assert self.department.jsonpath(expr="$..parentid")[0] == 1
上面的代码首先使用 @pytest.mark.parametrize 装饰器，传递了两组数据，测试结果显示有两条测试用例被执行，而不是一条测试用例。也就是 pytest 会将两组测试数据自动生成两个对应的测试用例并执行，生成两条测试结果。
当测试数据量大的情况下，可以考虑把数据存储在结构化的文件中。从文件中读取出代码中所需要格式的数据，传递到测试用例中执行。本次实战以YAML进行演示。YAML以使用动态字段进行结构化，它以数据为中心，比 excel、csv、Json、XML 等更适合做数据驱动。
将上面参数化的两组数据存储到 yaml 文件中，创建一个data/department_list.yml文件，代码如下：
-2
-3
上面的代码定义了一个 yaml 格式的数据文件department_list.yml，文件中定义了一个列表，列表中有两个数据，最后生成的是这样的数据格式：[1,2]。将测试用例中参数化的数据改造成从 department_list.yml 文件中读取，代码如下：
class TestDepartment:
department = Department()
@pytest.mark.parametrize("id", \
yaml.safe_load(open("../data/department_list.yml")))
def test_department_list(self, id):
r = self.department.list(id)
assert self.department.jsonpath(expr="$..parentid")[0] == 1
上面的代码，只需要使用yaml.safe_load()方法，读取department_list.yml文件中的数据，分别传入到用例 test_department_list() 方法中完成输入与结果的验证。
实际工作中，对于环境的切换和配置，为了便于维护，通常不会使用硬编码的形式完成。在“多环境下的接口测试”章节中已经介绍了，如何将环境的切换作为一个可配置的选项。本章节会把这部分内容进行重构，使用数据驱动的方式完成多环境的配置。
根据“多环境下的接口测试”章节，将此章节中的环境配置部分改为数据驱动的模式
代码如下：
#把host修改为ip，并附加host header
env={
"docker.testing-studio.com": {
"dev": "127.0.0.1",
"test": "1.1.1.2"
},
"default": "dev"
}
data["url"]=str(data["url"]).replace(
"docker.testing-studio.com",
env["docker.testing-studio.com"][env["default"]]
)
data["headers"]["Host"]="docker.testing-studio.com"
依然以yaml为示例，将所有的环境配置信息放到 env.yml 文件中。如果怕出错，可以先使用yaml.safe_dump(env)将dict格式的代码转换为yaml。
如下所示，打印出来的，就是成功转换yaml格式的配置信息：
def test_send(self):
env={
"docker.testing-studio.com": {
"dev": "127.0.0.1",
"test": "1.1.1.2"
},
"default": "dev"
}
yaml2 = yaml.safe_dump(env)
print("")
print(yaml2)
将打印出来的内容粘贴到 env.yml 文件中： env.yml
docker.testing-studio.com:
dev: "127.0.0.1"
test: "1.1.1.2"
level: 4
default:
"dev"
将环境准备中的代码稍作修改，把env变量从一个典型dict改为，使用yaml.safe_load读取 env.yml：
# 把host修改为ip，并附加host header
env = yaml.safe_load(open("./env.yml"))
data["url"] = str(data["url"]).\
replace("docker.testing-studio.com",
env["docker.testing-studio.com"][env["default"]])
data["headers"]["Host"] = "docker.testing-studio.com"
如此一来，就可以实现使用数据驱动的方式，通过修改 env.yml 文件来直接修改配置信息。
内容全面升级，4 个月 20+ 项目实战强化训练，资深测试架构师、开源项目作者亲授 BAT 大厂前沿最佳实践，带你一站式掌握测试开发必备核心技能（对标阿里P6+，年薪50W+）！直推 BAT 名企测试经理，普遍涨薪 50%+！
⬇️ 点击“阅读原文”，提升测试核心竞争力！
原文链接
⬇️ 点击“下方链接”，提升测试核心竞争力！
更多技术文章分享和免费资料领取
https://qrcode.ceba.ceshiren.com/link?name=article&project_id=qrcode&from=Aliyun×tamp=1649927491
