简单分享下Python和MySQL管理和执行测试用例

在软件开发过程中,自动化测试是非常重要的一环。本文将介绍如何使用Python和MySQL来管理和执行测试用例,并处理用例之间的依赖关系和参数化问题。我们将通过几个简单的步骤来构建一个完整的测试框架。

项目需求概述

我们的目标是创建一个测试框架,能够从MySQL数据库中读取测试用例,然后根据这些用例发送HTTP请求,并记录响应结果。此外,我们还需要支持用例之间的依赖关系以及参数化功能。

数据库表testdata包含以下字段:

id: 用例ID用例名称: 用例的描述是否需要token (0为需要, 1为不需要,默认为0)请求方式 (0为GET, 1为POST)请求数据格式 (0为application/json, 1为application/x-www-form-urlencoded)请求数据 (统一存放格式为JSON)返回数据 (测试用例执行后回写)depends_on (依赖的用例ID)

项目结构

为了更好地组织代码,我们将项目分为以下几个部分:

数据库操作模块 (db_operations.py)

测试用例执行模块 (test_executor.py)

主程序 (main.py)‍

数据库操作模块 (db_operations.py)

import mysql.connectorfrom mysql.connector import Errorclass DB:    def __init__(self, host, database, user, password):        self.host = host        self.database = database        self.user = user        self.password = password        self.connection = None    def connect(self):        try:            self.connection = mysql.connector.connect(                host=self.host,                database=self.database,                user=self.user,                password=self.password            )            if self.connection.is_connected():                return True        except Error as e:            print(f"Error while connecting to MySQL: {e}")        return False    def close(self):        if self.connection and self.connection.is_connected():            self.connection.close()    def get_test_cases(self):        cursor = self.connection.cursor(dictionary=True)        query = "SELECT * FROM testdata"        cursor.execute(query)        results = cursor.fetchall()        cursor.close()        return results    def update_test_case(self, id, response):        cursor = self.connection.cursor()        query = "UPDATE testdata SET 返回数据 = %s WHERE id = %s"        cursor.execute(query, (response, id))        self.connection.commit()        cursor.close()

测试用例执行模块 (test_executor.py)

import requestsimport jsonfrom db_operations import DBdef send_request(test_case, context):    headers = {}    if test_case['请求数据格式'] == 0:        headers['Content-Type'] = 'application/json'        data = json.loads(test_case['请求数据'])    else:        headers['Content-Type'] = 'application/x-www-form-urlencoded'        data = test_case['请求数据']    # 参数化:替换请求数据中的占位符    for key, value in data.items():        if isinstance(value, str) and value.startswith('{{') and value.endswith('}}'):            var_name = value[2:-2]            if var_name in context:                data[key] = context[var_name]    url = "http://your_api_url_here"  # 替换为实际的API URL    if test_case['请求方式'] == 0:        response = requests.get(url, params=data, headers=headers)    else:        if test_case['是否需要token'] == 0:            headers['Authorization'] = 'Bearer your_token_here'  # 替换为实际的Token        response = requests.post(url, data=json.dumps(data) if headers['Content-Type'] == 'application/json' else data, headers=headers)    return response.textdef run_tests(host, database, user, password):    db = DB(host, database, user, password)    if not db.connect():        return    test_cases = db.get_test_cases()    context = {}  # 用于存储变量值    for test_case in test_cases:        # 检查是否存在依赖        depends_on = test_case.get('depends_on')        if depends_on:            # 获取依赖用例的结果            dependency = next((tc for tc in test_cases if tc['id'] == depends_on), None)            if dependency and '返回数据' in dependency:                # 将依赖用例的结果放入上下文中                context.update(json.loads(dependency['返回数据']))        # 执行当前用例        response = send_request(test_case, context)        db.update_test_case(test_case['id'], response)        # 更新上下文        context.update(json.loads(response))    db.close()if __name__ == "__main__":    # 这里可以添加参数解析器来动态获取数据库连接信息等    run_tests('localhost', 'your_database', 'your_user', 'your_password')

主程序 (main.py)

# main.pyfrom test_executor import run_testsif __name__ == "__main__":    # 可以在这里添加额外的初始化代码、日志记录等    run_tests('localhost', 'your_database', 'your_user', 'your_password')

总结

通过上述步骤,我们已经构建了一个基本的测试框架,可以从MySQL数据库中读取测试用例,处理用例之间的依赖关系,并支持参数化。这个框架可以根据实际需求进一步扩展和完善,例如增加更多的错误处理机制、日志记录以及更复杂的依赖逻辑。

相关推荐
是十一月末16 分钟前
Opencv实现图像的腐蚀、膨胀及开、闭运算
人工智能·python·opencv·计算机视觉
云空24 分钟前
《探索PyTorch计算机视觉:原理、应用与实践》
人工智能·pytorch·python·深度学习·计算机视觉
dowhileprogramming35 分钟前
Python 中的迭代器
linux·数据库·python
0zxm2 小时前
08 Django - Django媒体文件&静态文件&文件上传
数据库·后端·python·django·sqlite
灰太狼不爱写代码3 小时前
CUDA11.4版本的Pytorch下载
人工智能·pytorch·笔记·python·学习
众拾达人5 小时前
Python爬虫(入门+进阶)
爬虫·python
bryant_meng7 小时前
【python】OpenCV—Image Moments
开发语言·python·opencv·moments·图片矩
KevinRay_8 小时前
Python超能力:高级技巧让你的代码飞起来
网络·人工智能·python·lambda表达式·列表推导式·python高级技巧
Captain823Jack8 小时前
nlp新词发现——浅析 TF·IDF
人工智能·python·深度学习·神经网络·算法·自然语言处理
资源补给站8 小时前
大恒相机开发(2)—Python软触发调用采集图像
开发语言·python·数码相机