软件质量。这种测试，在功能测试中非常耗费人力物力，但是在自动化中，却比较好实现，只要实现了测试操作步骤，然后将多组测试数据以数据驱动的形式注入，就可以实现了。

前面文章学习了参数化，当数据量非常大的时候，我们可以将数据存放到外部文件中，使用的时候将文件中的数据读取出来，方便测试数据的管理。数据与测试用例分别管理，可以利用外部数据源 YAML、JSON、Excel、CSV 管理测试数据。

pytest 结合 YAML

YAML 是一种容易阅读、适合表示程序语言的数据结构、可用于不同程序间交换数据、丰富的表达能力和可扩展性、易于使用的语言。通过缩进或符号来表示数据类型。

pyyaml 模块在 Python 中用于处理 YAML 格式数据，主要使用 yaml.safe_dump() 和 yaml.safe_load() 函数将 Python 值和 YAML 格式数据相互转换。工作中常常使用 YAML 格式的文件存储测试数据。

安装

pip install PyYAML

案例

创建用例文件以及数据文件来完成数据驱动的测试案例，创建一个文件夹 testdata，在这个文件夹下创建 data.yml 和 test_yaml.py 文件。

创建 data.yml 文件：

-
  - 1
  - 2
-
  - 20
  - 30

创建“test_yaml.py”，代码如下：

import pytest
import yaml

@pytest.mark.parametrize("a,b", yaml.safe_load(open("datas.yml",\
encoding='utf-8')))
def test_foo(a,b):
    print(f"a + b = {a + b}")

代码分析：

yaml 文件里定义了列表数据，通过 open() 方法获取 data.yml 文件对象，使用 yaml.safe_load() 加载这个文件对象，将 YAML 格式文件转换为 Python 值，分别传到到用例中生成多条用例分别执行。

运行结果：

省略...
test_params.py::test_foo[1-2] 
test_params.py::test_foo[20-30] 
省略...

运行结果中 [1-2] 和 [20-30] 代码传入的两组参数，分别传入 test_foo() 用例方法中执行，并且分别生成两条测试结果。

以上，pytest 组合 YAML 实现数据驱动，YAML 文件作为用例数据源，控制测试用例的执行，使测试用例数据维护更加方便快捷。

总结：

感谢每一个认真阅读我文章的人！！！

作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作