Python BDD 框架比较之 pytest-bdd vs behave

pytest-bddbehave是 Python 的两个流行的 BDD 测试框架,两者都可以用来编写用户故事和可执行的测试用例,

具体选择哪一个则需要根据实际的项目状况来看。

先简单看一下两者的功能:
pytest-bdd

  1. 基于pytest测试框架,可以与pytest的其他功能(例如 fixtures)一起使用。
  2. 提供了一种紧凑的步骤定义方式,可以通过装饰器定义并重复使用步骤。
  3. 支持参数化的测试,这样可以用同一组步骤进行多组数据的测试。

behave

  1. 基于 Python 的unittest测试框架。
  2. behave的步骤文件更加接近纯文本形式,对非编程人员更友好。
  3. 支持使用environment.py文件来定义在整个 test suite 运行前后需要进行的操作。

hehave

以下是behave的一些优点和特性:

  1. 适用于非技术团队成员:使用 Gherkin 语言,可以撰写更接近自然语言的测试场景描述,使得产品经理、商业分析师等非技术团队成员也能够理解、修改或编写测试场景。

  2. 环境控制behave提供了在测试运行前后设置和清理环境的功能,例如数据库初始化或数据清理等,只需要在environment.py文件里定义相应的函数即可。

  3. 可读性强和可维护性高behave强调的是实现从用户角度去描述系统行为的测试,这使得测试和实际用户需求更加贴合,增加了测试的可读性。而且将测试用例编写为人类可读的语言,可以提高代码的可维护性。

  4. 创造可共享的步骤:可以为常用的操作创建可重用的步骤,这样就能写出更加简洁、易于维护的测试代码。

  5. 对标/兼容 Cucumber :behave的 Gherkin 语言实现与宽广使用的 Cucumber 测试框架非常接近,这一点在迁移到或从 Cucumber 环境中迁出时会很有用。

  6. 与其他 Python 测试框架相容behave可与unittestdoctestnosepy.test等 Python 测试工具完美集成。

综上所述,behave提供了一种高度可读、可共享、适合大规模测试及非技术团队成员的 BDD 测试工具。

pytest-bdd 与 behave的比较

behavepytest-bdd都是 Python 下常用的为支持 BDD(行为驱动开发)流程而设计的测试框架,它们都采用.feature文件来描述行为,并使用相似的 Gherkin 语言语法进行描述。它们的.feature文件的格式大致上是相同的,但是在实际的使用和处理上可能会有一些细微差别。

以下是behavepytest-bdd来处理.feature文件的一些细节差异:

  • Scenario 参数化behave使用Scenario Outline语法来实现参数化场景,而pytest-bdd使用Scenarios来实现参数化场景。在behave中,你必须定义 Examples 表格并在其中提供参数值, 而在pytest-bdd中,你可以简单地用Scenarios读取一个外部.feature文件。

  • 装饰器参数 :在pytest-bdd中,步骤装饰器(例如@given@when@then)可以接受一个可选的解析器,用于从步骤文本中捕获值。这样,分析器可以为已经定义的步骤参数提供多个场景。

其他大部分方面,behavepytest-bdd都是非常相似的,例如都支持GivenWhenThen这样的基本步骤,都允许在Background段落中定义在每个场景前都要运行的步骤,仍然允许你创建可重用的步骤定义。

综上,behavepytest-bdd处理.feature文件的方式非常相似,虽然在某些特性和实现上有些许差别。选哪个更多取决于个人或团队需求。

pytest-bdd 与 behave的实例比较

接下来以一个具体的加法运算器为实例,初步演示两者使用上的差异。

首先, 两者的规格文件基本相同, 这里的文件名是 :calculator.feature,内容如下:

Feature: Addition
  Scenario: Add two numbers
    Given I have a calculator
    When I enter "1" and "2"
    Then the result should be "3"

规格很简单, 就是验证加法, 1+2 =3。

主要的差别是两者在测试代码上的差异。

使用pytest-bdd编写的测试代码的文件名是 test_calculator.py, 内容如下:

import sys
import os
import pytest
#sys.path.append('D:/devworkspace/python-ency/chp3/tests/bdd/util')
sys.path.append(os.path.join(os.path.dirname(os.path.dirname(os.path.dirname(__file__))), 'util'))
from calculator import Calculator
from pytest_bdd import scenario, given, when, then, parsers



@scenario('../features/calculator.feature','Add two numbers')
def test_add():
    print(sys.path.append(os.path.dirname(os.path.dirname(__file__))+'util'))
    pass

@pytest.fixture
@given("I have a calculator")
def calculator():
    return Calculator()

@when(parsers.parse('I enter "{a}" and "{b}"'))
def enter_numbers(calculator, a, b):
    calculator.a = int(a)
    calculator.b = int(b)

@then(parsers.parse('the result should be "{result}"'))
def verify_result(calculator, result):
    assert calculator.add(calculator.a, calculator.b) == int(result)

使用behave编写的测试代码的文件名同样是 test_calculator.py, 内容如下:

import sys
import os
sys.path.append(os.path.join(os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(__file__)))), 'util'))

from behave import given, when, then
from calculator import Calculator

@given('I have a calculator')
def step_impl(context):
    context.calc = Calculator()

@when('I enter "{num1}" and "{num2}"')
def step_impl(context, num1, num2):
    context.result = context.calc.add(int(num1), int(num2))

@then('the result should be "{expected_result}"')
def step_impl(context, expected_result):
    assert context.result == int(expected_result)

简单对比一下两者的测试代码区别:

  1. Beave 的写法相比更加简洁
  2. pytest-bdd 可以手动关联测试场景,看上去灵活度更高

总结

这两个框架都有其优点和特性,选择哪一个主要取决于特定需求。

  • 如果你已经在使用pytest,并且希望以最少的学习曲线使用 BDD,那么pytest-bdd可能是更好的选择。
  • 另一方面,如果你希望编写的测试代码更接近自然语言,并且适合非技术团队成员阅读和修改,那么behave可能是更好的选择。
相关推荐
幽兰的天空36 分钟前
Python 中的模式匹配:深入了解 match 语句
开发语言·python
网易独家音乐人Mike Zhou4 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书4 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小二·6 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼7 小时前
Python 神经网络项目常用语法
python
一念之坤8 小时前
零基础学Python之数据结构 -- 01篇
数据结构·python
wxl7812279 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
NoneCoder9 小时前
Python入门(12)--数据处理
开发语言·python
LKID体10 小时前
Python操作neo4j库py2neo使用(一)
python·oracle·neo4j
小尤笔记10 小时前
利用Python编写简单登录系统
开发语言·python·数据分析·python基础