测试工具链——Python实现高效构造测试数据的设计策略

无论是手工测试还是自动化测试都会遇到数据构造的测试需求，结合自己实际工作，大多数测试场景是结构化数据的构造，偶尔会涉及非结构化数据及实体文件数据（人脸识别算法测试中使用图片作为输入数据）构造，此处暂不介绍，了解了结构化数据构造设计思想，举一反三，非结构化数据构造也不是难事。

另外插一句，测试人员应具备技术解决思维，哪怕现在所做的是手工测试。

结构化测试数据构造中的几个难点：

以上几个难点如果通过手工的方式解决，其构造成本、维护成本难以想象，遇到此类问题需要尝试着从技术的角度解决，首先技术解决不是蛮干，粗鲁的解决上面的难点，应尽可能考虑数据构造工具的通用性、易用性、易维护性，技术解决方案也应保持一定的收敛。

数据构造的需求除了来自功能测试，还来自性能测试，因此要考虑如何兼容满足性能测试场景下的大量数据的构造需求。

设计思路

以表结构定义配置、数据构造映射配置（Yaml文件）描述数据构造任务，其中表结构定义配置描述表结构及数据构造方式（全新构造、修改数据）；数据构造映射配置描述构造任务名称、字段与值得映射、构造数量。通过先提前加载所有构造函数，然后按照每个构造任务，依次加载构造任务，逐一完成。一般情况一个构造任务对应一张表，若存在资源管理（即所有表的字段具有资源编码），一个构造任务可以对应N张表。

接下来，以具体示例分享下如何通过Yaml文件简单配置实现数据构造，同时解决上述几个难点，注意浏览图片中内容，含设计策略，具体如下：

表结构定义配置

数据构造映射配置

数据构造逻辑

接下来介绍下，工具内部的数据构造逻辑。

每个构造任务执行时，首先加载“数据构造映射配置.yml”( Yaml文件本质上是一个Json）文件各配置项，加载过程若配置的值为函数（即”${函数名（参数,）}”表示，如${IPHONE()} ）则执行该函数，返回函数的值，若值为变量（即”$参数名”表示，如TableName）则取变量值。

这里有一个需要额外说明下，上述的函数其实可以理解为各各小插件，这些插件都写在一个模块里，如builtin.py，那么在加载配置之前加载builtin.py模块中的所有方法，使得能够在加载过程中执行这些函数。具体实现如下：

然后使用Struction函数（实现读取“表结构定义配置.yml”，返回所有表的表结构及数据存储路径）根据TableName获取其在资源（表）结构定义中的字段配置，同时获取Path的值。遍历表结构中各字段（按字段顺序），若字段在该构造任务的字段值映射配置（SignMap）中，则取对应值进行替换，若不在则不改变（Path值不为空，即修改数据时）或回填空（Path值为空，即构造新数据时），同时当全新构造数据时，需根据数据构造数量（CreatNum），构造对应数量的文件及每个文件的数据量。

Path为空则（构造新数据时），需根据数据输出路径（Target）配置，按照对应文件命名规则，存储至指定路径中（OutFilePath）。

如此，我们实现了结构化的数据构造，通过灵活的配置描述，实现批量数据构造（全新构造、修改）。当然我们还可以基于这套设计，进行二次优化，使得配置更加简单。

若对你有所帮助， 、点赞支持。