Pyest结合json实现数据驱动测试

前言

数据驱动测试是提高代码覆盖率和可靠性的重要方法。结合pytest和JSON（JavaScript对象表示）文件可以轻松实现数据驱动测试。和CSV文件类似，Python读取json文件也不需要借助其他的第三方库，因此我们不需要进行额外的环境安装。下面是如何使用pytest和JSON文件进行数据驱动测试的步骤。

创建测试文件和JSON文件

假设我们有一个简单的函数需要测试，比如对两个数进行求和：

# code.py def add(a, b): return a + b

接下来，创建一个JSON文件，用于存储测试数据：

[ { "test_case": "Case 1", "operand_a": 2, "operand_b": 3, "expected_result": 5 }, { "test_case": "Case 2", "operand_a": -1, "operand_b": 10, "expected_result": 9 }, { "test_case": "Case 3", "operand_a": 0, "operand_b": 0, "expected_result": 0 } ]

编写测试用例

创建一个pytest测试文件，编写测试用例并读取JSON文件中的数据：

# test_code.py import json import pytest from code import add def load_test_data(): with open('test_data.json', 'r') as file: test_data = json.load(file) return test_data @pytest.mark.parametrize("data", load_test_data()) def test_add(data): operand_a = data['operand_a'] operand_b = data['operand_b'] expected_result = data['expected_result'] result = add(operand_a, operand_b) assert result == expected_result, f"{operand_a} + {operand_b} 应该得到 {expected_result}，实际得到 {result}"

运行测试

现在，运行pytest命令来执行测试：

pytest test_code.py

pytest将会读取test_code.py文件中的测试用例，并根据JSON文件中提供的数据对add函数进行测试。每个测试用例都会使用JSON文件中的数据进行数据驱动测试。

总结

结合pytest和JSON文件，我们成功实现了数据驱动测试，对同一个函数在不同输入下进行了多组测试。这种方法使得测试用例易于管理和维护，同时能够更全面地覆盖不同的测试场景，确保代码的稳定性和正确性。数据驱动测试的优势在于能够快速扩展测试数据，提高测试的覆盖率和可靠性。

最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走！ 希望能帮助到你！【100%无套路免费领取】