在软件测试中，为项目编写接口自动化用例已成为测试人员常驻的测试工作。本文以python为例，基于笔者曾使用过的三种用例数据读取方法：xlrd、pandas、yaml，下面简要地介绍下它们的使用方法及简单分析。

1. Python第三方库xlrd

xlrd模块可用于读取excel文档，是一种最常用的用例读取方式，使用方式如下。以演示惯例---注册接口为例，首先新建一个excel文档，文档中自定义接口用例参数：

（以下data均为随机生成，不涉及任何系统）

python已安装第三方库后，开始读取接口用例。本次为了方便演示，方法未进行封装。

xlrd代码演示

以下为实例代码：

import unittest
import xlrd

# 打开接口用例excel文件
excel_data = xlrd.open_workbook('register.xlsx')
# 读取excel文件中存放用例的sheet页，命名无要求
sheet = excel_data.sheet_by_name('register')
print(sheet.nrows)
print(sheet.row_values(1))
# 将读取到的用例全部追加到data列表中
data = []
for i in range(1, sheet.nrows):
    data.append(sheet.row_values(i))
    print(data)


class register(unittest.TestCase):
    def test_register_check(self):
        pass

执行py文件后，打印读取data列表，成功读取出excel文件中用例数据：

但是上面的方法会把整个excel文件的用例全部存放到一个列表中，数据取用不太方便。现在我们对数据进行拆分，结合ddt数据驱动方式，进行数据读取：

import unittest
import xlrd
from ddt import ddt,data,unpack

excel_data = xlrd.open_workbook('register.xlsx')

sheet = excel_data.sheet_by_name('register')

# print(sheet.nrows)
# print(sheet.row_values(1))

data_ = []
for i in range(1, sheet.nrows):
    data_.append(sheet.row_values(i))
print(data_)

# 引入的装饰器@ddt；导入数据的@data；拆分数据的@unpack
@ddt
class register(unittest.TestCase):
    @data(*data_)
    @unpack
    def test_register(self, title, data, check):
        print(data)


if __name__ == '__main__':
    unittest.main()

通过ddt中的data及unpack方法，excel文件中的每条数据都是一个单独的列表，更便于提供给接口测试用例使用：

xlrd模块在接口自动化中的使用频率非常高，调用方法也非常简单。读取到excel测试用例后，还可以使用装饰器DDT进行数据拆分，使数据更加简化。

xlrd适用于项目接口数据较少、接口字段不经常调整的项目。如果项目中，接口数量非常多，在编写接口用例时，存放用例的excel文件内容会不断扩充。测试用例的易读性和维护性都会成为后期测试工作的难题，影响测试效率。

2. Python第三方库pandas

pandas是python的一个数据分析包，可帮助使用者处理大型数据集。使用pandas中的DataFrame（二维的表格型数据结构）方法，即可获取到excel表格中的测试数据。pandas与xrld一样，都可读取excel文件。

首先创建一个excel文件，存放测试数据：

pandas代码演示

实例代码：

# 从excel文件中读取用例，name参数为sheet名称
def read_excel_data(inputdir,name):
     dataframe = pandas.DataFrame(columns=['接口名','用例','请求地址','请求体','断言','协议','请求方式']) # 传入参数就是excel文件中的列名
     try:
         datafile = pandas.read_excel(inputdir,sheet_name=name)
         dataframe = dataframe.append(datafile, ignore_index=True, sort=True)
     except:
         print("Warning:excel文件打开异常，请重试！")
     To_list = dataframe.to_dict(orient='records') # 参数='records'时，转化后是 list形式
     return To_list

from common.data import read_excel_data
import pytest

def getdata(path):
    getdata = read_excel_data(path, '编辑xx')
    print(getdata)

path = r'..\common\接口用例文档.xlsx' # excel文件的路径，按实际项目结构指明
getdata(path)

调用封装好的方法，成功读取到excel文件中的全部用例数据：

该方法与xlrd类似，也是通过读取二维表格中数据的方式，获取到我们所需接口用例。

通过xlrd等方法读取excel文件中的测试用例，是接口测试中比较主流的数据读取方式。但是通过上面的案例展示可以发现，如果excel文件中的数据越来越多，后期测试的维护成本是比较高的，同时表格格式在大篇幅数据中，也不方便阅读。这也是此类方法的一个弊端。

3. Python第三方库yaml

yaml是一种用来写配置文件的序列化语言，文件格式输出可以是列表、字典，也支持嵌套。层级关系用空格区分，但不支持tab缩进。

破折号和空格( “ - ” )：列表格式

# 以下数据会以list形式被读取
- testapi
- url
- get

常见的yaml格式：

冒号和空格( “ ：” ) ：字典格式

# 以下数据会以dict形式被读取
name: A
age: 1
spouse:
    name: B
    age: 2
slave:
 - name: C  # - 表示为列表
   age: 3
 - name1: D
   age1: 4

yaml代码演示

读取yaml文件中的dict数据，代码如下：

import os
import yaml

class LoadTestData:
    # 设置路径，获取yaml文件数据
    def load_data(self, file_name):
        yaml_path = os.path.join(os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))),
                                              'test_file'), file_name)
        yaml_data = yaml.load(open(yaml_path), Loader=yaml.FullLoader)
        # print(yaml_data)
        return yaml_data


def get_yaml_data(api_file, api_name):
    '''
    获取yaml中 api_name的数据
    :param api_file:  api文件位置
    :param api_name:  api文件名称
    :return: 文件数据
    '''
    data = LoadTestData().load_data(api_file)[api_name]
    print(data)
    return data


if __name__ == '__main__':
    file_name = 'api_data.yaml'
    api_name = 'test'
    # LoadTestData().load_data(file_name)
    get_yaml_data(file_name,api_name )
    print('读取成功')

请注意yaml.load在调用时，可能会因为yaml版本较高而提示异常。解决方法：指定loader = yaml.FullLoader可解决异常。

根据上面yaml的实际运用可以发现，相比excel表格存放的数据，yaml可读性更好，而且python本身也支持新建yaml文件，与脚本语言的交互性更佳。对于不同的测试模块，也可以新建不同的yaml文件，实现了功能模块之间的测试数据隔离。

总结

测试中，不管是以excel表格存放数据还是yaml文件存放数据，都能做到快速集成组装测试数据。但excel表格存放数据过大时，有可读性降低及脚本执行时间较长等问题。yaml拥有简洁、与python交互性高，可以把功能模板的测试数据相互隔离等优点。但也需要对yaml的写法规范有一些了解，才能正确使用。

本文只是基于python测试数据读取角度，进行一次简单的分享。如有不恰当之处，欢迎大家指正。

我们是行者AI，我们在“AI＋游戏”中不断前行。

快来【公众号 | xingzhe_ai】，和我们讨论更多技术问题吧！