Junit5 + YAML 轻松实现参数化和数据驱动,让 App 自动化测试更高效(一)

简介: Junit5 + YAML 轻松实现参数化和数据驱动,让 App 自动化测试更高效(一)

1080×468 58.4 KB

登录:不同的用户名,不同的密码,不同的组合都需要做登录场景的测试,正常的排列组合下可能会产生多个用例

搜索:不同的搜索条件产生不同的搜索结果,搜索也是常见的测试项,单个搜索参数或者多种搜索参数的组合;同样也会产生多个用例。

参数化:我们在写自动化用例的时候会有很多方法,一般我们都会把数据通过参数来传递给方法,而不会直接在方法中写“死”,所以方法之间的数据传递都是通过参数化来进行,利用参数化进行数据与变量的对应;比如我们的登录账号密码设置在参数中,再将参数传递到方法中。

public MainPage login(String username, String password) {
        sendKeys(inputUsername,username);
        sendKeys(inputPassword,password);
        click(loginBtn);
        return new MainPage();
}

数据驱动:将参数化中的数据来源变成从外部读取,参数有一个存放数据的地方,在用例执行的时候去去数据;这个数据存储的地方可以是我们定义的数组、hashmap,也可以是从外部文件中(excel、csv、xml、yaml等)读取。

例如上述的搜索案例,我们可以将搜索条件放入外部文件中,每次执行搜索用例时,去文件中获取数据,根据获取到的数据执行不同的搜索测试即可。

-
 - 洗衣液
-
 - 帽子
-
 - 手套

总结下来:

在执行测试工作过程中,有很多过程是需要动态变化的,如果每一次的变化都需要编码部署,那么整个执行的流程就会边长;

对于业务测试工程师来说,维护自动化代码有一定的门槛,需要熟悉编程语言和测试框架的结构;

定义好了数据驱动,将变化的数据放入配置文件中进行维护,既便捷(无需找到对应代码修改部署),也降低了维护的门槛(业务测试只需要在配置文件中修改数据即可)

与测试数据的数据驱动大致相同,主要也是方便业务测试维护,降低维护门槛和代码修改部署出错的风险;修改配置文件,整个业务行为和抽象是不用改变的,当然,在UI自动化中配合PO一起使用会“风味更佳”。

手工录制测试步骤,直接生成代码比较困难,可以生成步骤的配置文件,让代码去读配置文件,完成自动化的回放;(此方面本人暂时仅了解过,还未实践落地,理论上是可以实现的。)

不要在测试用例内完成大量的数据驱动:

用例通过PO的调用是能够非常清晰展现出业务执行场景的,业务才是用例的核心;一旦在用例里使用了大量数据驱动,如调用各种yaml、csv等数据文件,会造成用例可读性变差,维护复杂度变高;

  1. 测试数据的数据驱动
  2. 测试步骤的数据驱动
  • 定位符
  • 行为流
  1. 断言的数据驱动
  • 不同数据格式文件的对比

1080×331 48.6 KB

从上述对比结果中,Json 和 YAML 对于数据结构的支持和书写程度是较好的;但是, YAML 的写法更简洁,并且还可以注释,因此最推荐使用的就是(从表格中的所处都位置也可猜到~)…位于C位的YAML!

那么到底什么是YAML,又如何使用,下面简单来了解一下

yaml 的语法

  • 大小写敏感
  • 使用缩进表示层级关系
  • 缩进时不允许使用Tab键,只允许使用空格。
  • 缩进的空格数目不重要,只要相同层级的元素左侧对齐即可
  • 表示注释

yaml 支持的三种数据结构

  • 纯量(scalars):单个的、不可再分的值,例如数字、字符串、布尔值等
  • 对象:键值对的集合,又称为映射(mapping)/ 哈希(hashes) / 字典(dictionary)
#键值对形式
key: value
#行内对象
person: { name: allen, age: 25 }
#以-开头表示为一个数组里的值
- A
- B
- C
#数组内嵌套子数组,用一个空格缩进表示
- 
- a
 - aa
- 
- b
 - bb
  • 对象和数组可以结合使用,形成复合结构
languages:
 - Ruby
 - Perl
 - Python 
websites:
 YAML: yaml.org 
 Ruby: ruby-lang.org 
 Python: python.org 
 Perl: use.perl.org

把一个文件数据通过类型建立关联,并创建出一个类的实例,反之也可以把一个对象写入文件中。

先来看jackson-databind对json文件的操作

添加 maven 依赖

<dependency>
    <groupId>com.fasterxml.jackson.core</groupId>
    <artifactId>jackson-databind</artifactId>
    <version>2.9.9.3</version>
</dependency>
  • 写 json 文件

1)先创建一个类,包含变量name,age

public class TestFileSource {
    public String name;
    public int age;
    }

2)创建单元测试,创建ObjectMapper对象,调用writeValue对json文件进行写操作

@Test
void writeJson() throws IOException {
    ObjectMapper mapper = new ObjectMapper();
    TestFileSource testFileSource = new TestFileSource();
    mapper.writeValue(new File("..\\demo.json"),testFileSource);
}

3)得到demo.json文件的结果,从结果可以看到TestFileSource类中的变量已经被写入的json文件中

{"name":null,"age":0}
  • 读 json 文件

1)创建单元测试,创建ObjectMapper对象,调用readValue方法对json文件进行数据读取

@Test
void readJson() throws IOException {
    ObjectMapper mapper = new ObjectMapper();
    TestFileSource testFileSource = mapper.readValue(TestFileSource.class.getResourceAsStream("/demo.json"), TestFileSource.class);
    System.out.println(testFileSource);
    System.out.println(testFileSource.age);
}

2)读取结果

ApiDemos.testcase.TestFileSource@4562e04d
  0
  • 输出漂亮的 json 格式
    1)创建单元测试,创建ObjectMapper对象,调用writerWithDefaultPrettyPrinter().writeValueAsString方法可对指定对象进行json数据格式的输出
@Test
void prettyPrintJson() throws JsonProcessingException {
    ObjectMapper mapper = new ObjectMapper();
    // pretty print
    String json = mapper.writerWithDefaultPrettyPrinter().writeValueAsString(new TestFileSource());
    System.out.println(json);
}

2)打印结果

{
  "name" : null,
  "age" : 0
}

参考链接

jackson-databind GitHub地址:

https://github.com/FasterXML/jackson-databind

再来看jackson-dataformats-text,这是一个可以对YAML、CSV、Properties和XML文件进行操作的库,也是目前最常用的,不过这里我们只重点关注其对YAML文件的操作

  • 添加maven依赖
<dependency>
    <groupId>com.fasterxml.jackson.dataformat</groupId>
    <artifactId>jackson-dataformat-yaml</artifactId>
    <version>2.9.8</version>
</dependency>
  • 读 YAML 文件
    想要读取 YAML 文件,最主要的是在new ObjectMapper对象的时候加入new YAMLFactory(),这样就成功切换至 yaml 操作的状态,然后利用readValue方法就可以完成对yaml文件的数据读取了
    1)创建 YAML 文件
name: allen
age: 11

2)创建ObjectMapper对象,设置new YAMLFactory()

@Test
void readYaml() throws IOException {
        ObjectMapper mapper = new ObjectMapper(new YAMLFactory());
        TestFileSource testFileSource = mapper.readValue(TestFileSource.class.getResourceAsStream("/demo2.yaml"), TestFileSource.class);
        System.out.println(testFileSource);
        System.out.println(testFileSource.age);
}

打印结果

ApiDemos.testcase.TestFileSource@ba2f4ec
11

在readValue的方法中可以看到,第一个参数填的是文件地址,第二个参数就是精髓所在!我们可以给定一个对象类型,或者一个二维数组等,用来产生映射关系,将文件数据和我们的对象绑定,方便数据的读取。

如上述例子中我们通过TestFileSource的实例化对象来调用age变量。

  • 输出漂亮的 YAML 格式
    与json输出的方式基本一致,只需要在new ObjectMapper对象的时候加入new YAMLFactory()即可
    1)创建类和类的成员变量,包含纯量、数组和哈希
public class TestFileSource {
    public String name = "tester";
    public int age = 2;
    public Object[][] arr= {{1,2,3,},{"a","b","c"}};
    public HashMap<String,Object> map = new HashMap<String, Object>(){
        {
        put("name","tester");
        put("sex","男");
        }
    };
}

2)创建单元测试,创建ObjectMapper对象,加入new YAMLFactory() 参数,调用writerWithDefaultPrettyPrinter().writeValueAsString方法可对指定对象进行yaml数据格式的输出

@Test
void prettyPrintYaml() throws JsonProcessingException {
    ObjectMapper mapper = new ObjectMapper(new YAMLFactory());
    // pretty print
    String json = mapper.writerWithDefaultPrettyPrinter().writeValueAsString(new TestFileSource());
    System.out.println(json);
}

3)打印结果

---
name: "tester"
age: 2
arr:
- - 1
  - 2
  - 3
- - "a"
  - "b"
  - "c"
map:
  sex: "男"
  name: "tester"

参考链接jackson-dataformats-text GitHub地址:

https://github.com/FasterXML/jackson-dataformats-text

同样是做自动化测试,在测试高手和普通小白的世界里,完全是不一样的风景。



相关文章
|
2月前
|
机器学习/深度学习 敏捷开发 存储
深入理解自动化测试中的数据驱动策略深度学习在图像识别中的应用与挑战
【5月更文挑战第20天】 在现代软件开发过程中,自动化测试已成为确保产品质量和加快市场投放速度的关键因素。数据驱动测试(DDT)作为一种高效的自动化测试策略,它允许测试用例与测试数据分离,从而增强测试案例的可重用性并提高测试覆盖率。本文将探讨数据驱动策略的核心概念、实现方法以及在实际测试中的应用,旨在为软件测试工程师提供一种系统化和模块化的测试手段。 【5月更文挑战第20天】 随着人工智能技术的飞速发展,深度学习已经成为了图像识别领域的核心技术。本文将探讨深度学习在图像识别中的应用,以及在实际应用中所面临的挑战。我们将介绍卷积神经网络(CNN)的基本概念,以及如何利用深度学习进行图像分类、目
|
2月前
|
XML 存储 测试技术
深入理解自动化测试中的数据驱动方法
【5月更文挑战第11天】 在软件测试领域,数据驱动测试(DDT)是一种高效的测试策略,它允许测试人员通过外部数据源控制测试用例的输入和输出。这种方法促进了测试用例的参数化,并提高了测试的灵活性和可维护性。本文将探讨数据驱动测试的核心概念、实施步骤以及使用Python进行数据驱动测试的实践案例,旨在为读者提供一种结构化的方法来设计和执行复杂的测试场景。
|
27天前
|
Java 测试技术 持续交付
Springboot中JUNIT5单元测试+Mockito详解
Springboot中JUNIT5单元测试+Mockito详解
93 1
|
12天前
|
前端开发 开发者
移动端-------app开发02,了解apicloud功能和使用,真机测试
移动端-------app开发02,了解apicloud功能和使用,真机测试
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
深度学习在图像识别中的应用及其挑战深入理解自动化测试中的数据驱动策略
【5月更文挑战第30天】 随着人工智能技术的飞速发展,深度学习已经成为了计算机视觉领域的核心驱动力。尤其是在图像识别任务中,深度神经网络通过多层次的特征提取和学习,显著提升了系统的准确率和泛化能力。然而,深度学习模型在实际应用中仍面临众多挑战,包括数据偏差、计算资源消耗、模型可解释性等问题。本文将探讨深度学习技术在图像识别领域的应用现状,分析其面临的主要挑战,并对未来发展趋势进行展望。
|
2月前
|
XML 敏捷开发 存储
深入理解自动化测试中的数据驱动方法
【5月更文挑战第25天】 在现代软件开发过程中,自动化测试是确保产品质量和加速交付速度的关键手段。本文将探讨数据驱动测试(DDT)方法的核心概念、实施策略以及它如何提升自动化测试的灵活性和效率。不同于常规摘要,本文将通过实际案例分析,揭示数据驱动方法在不同测试场景中的应用,并讨论其对测试覆盖率和可靠性的影响。
|
2月前
|
数据采集 XML 数据管理
深入理解自动化测试中的数据驱动策略
【5月更文挑战第26天】 在软件测试领域,数据驱动测试(DDT)是一种高效且灵活的测试方法,它允许测试者通过外部数据源来控制测试案例的执行。本文将探讨数据驱动测试的核心概念、实施步骤以及其对提升测试效率和质量的显著影响。通过对不同测试框架和工具的实证分析,我们揭示了实施数据驱动策略的最佳实践,并讨论了在复杂应用场景下如何优化数据管理和维护过程。
|
2月前
|
存储 数据管理 测试技术
深入理解自动化测试中的数据驱动策略
【5月更文挑战第27天】 在软件测试领域,自动化测试已成为提升测试效率、确保产品质量的关键手段。数据驱动测试(DDT)作为一种高效的自动化测试策略,允许测试人员通过外部数据源动态地输入多组测试数据,实现更为灵活和可扩展的测试案例执行。本文将探讨数据驱动测试的核心概念、实施步骤以及实际应用中的优势与挑战,旨在为测试工程师提供深入的策略理解,并指导实践中如何有效地应用数据驱动策略以提高自动化测试的价值。
|
2月前
|
敏捷开发 测试技术 持续交付
深入理解软件自动化测试中的数据驱动策略
【5月更文挑战第20天】 在现代软件开发过程中,自动化测试是确保产品质量和持续交付的关键环节。本文将深入探讨数据驱动测试(DDT)策略,这是一种通过外部数据源来增强测试案例的方法,它允许测试人员以参数化的方式执行测试用例,从而增加测试覆盖率并提高测试效率。我们将分析数据驱动测试的核心概念、实施步骤以及面临的挑战,并通过实际案例来展示如何有效地应用DDT以提高软件测试的灵活性和可维护性。
|
2月前
|
存储 XML 敏捷开发
深入理解自动化测试中的数据驱动策略
【5月更文挑战第9天】 在现代软件开发过程中,自动化测试已成为提高测试效率和确保软件质量的关键手段。数据驱动测试(DDT)作为一种高效的自动化测试策略,允许测试人员通过外部数据源来控制测试脚本的执行流程,实现测试逻辑与测试数据的分离。本文将探讨数据驱动测试的核心概念、实施步骤以及面临的挑战,旨在为读者提供一个清晰的视角,帮助他们理解和应用这一策略以提高测试活动的灵活性和可维护性。