数据准备一直是软件测试过程中必须面临的环节。对于自动化测试来说尤其如此，无论是 GUI 自动化测试还是接口自动化测试，数据准备都是开展工作的前提。在这里，用几篇帖子分享下做自动化测试的数据准备方法，也希望大佬提供更好的思路和建议。
从数据创建的角度来说，数据创建的方法大致有这几种来源：
- 1.基于GUI操作生成测试数据
- 2.基于API调用生成测试数据
- 3.基于数据库操作生成数据
- 4.基于第三方库自建数据
- 5.结合多种方式生成数据
基于 GUI 操作生成数据，是指使用自动化脚本或者人工执行业务流程生成数据。例如，现在需要测试登录功能，这就需要准备一个已经注册的用户，此时，可以通过 GUI 操作来创建一个用户 (无论是手工还是自动化脚本)，然后再用新建的用户测试登录。这种方式简单直接，并且数据来源于真实的业务流程，一定程度保证了数据的准确性。然而，缺点也很明显：
- 1.创建的效率低；每次的GUI操作只生成一条数据，并且操作非常耗时。
- 2.易封装；通过GUI操作生成数据的过程，其实就是在开发自动化case的过程，加大了工作量。
- 3.成功率不高；GUI的变化直接会导致数据生成失败。
- 4.引入了其他依赖；数据生成成功的前提，依赖于业务流程的正确性。
一般情况下，基本不会使用这种方式生成数据，除非没有其他更好的方式来创建可靠的数据。不过，“操作 GUI 生成数据” 确是其他两种方式 “API 调用” 和 “操作数据库” 的基础。
实际上使用 GUI 操作生成数据，本质上也是在调用 API。例如，使用 GUI 界面注册用户时，实际上调用了createUser的 API。要注意的是，一次 GUI 操作可能调用了多个 API，所以一般情况下，通常都把调用 API 生成数据的过程封装成数据准备函数。这种方式优势在于：
- 1.保证数据准确性；
- 2.执行效率高；
- 3.封装成函数更灵活可控
这种方式也不是十全十美，缺点在于：
- 1.并不是所有数据创建都有对应的API；
- 2.业务很复杂的情况下，需要调用多个API；
- 3.需要海量数据时，即使使用了并发，效率也尽如人意；
和调用 API 生成数据类似，数据库生成数据一般做法是，将创建数据需要的 SQL 封装成函数，然后再进行调用。这样就能直接通过数据库操作，将测试数据插入系统数据库。例如，还是用户登录，直接往userTable和userRoleTable两张表插入数据，即可完成注册。
这种方式的优势在于：
- 1. 效率高，能在短时间内生成批量数据；
缺陷也很明显：
- 1. 数据容易缺失。一个业务操作设计到的表往往不止一张，容易遗漏；
- 2. 健壮性差。SQL语句变化时，封装的函数必须实时同步更新，维护成本很高。
这种方式就比较直接，直接使用代码封装成函数生成数据。拿python为例，可以自己结合random()之类的函数随机生成数据，还可以使用faker（项目地址）这样的第三方库：
from faker import Factory
fake = Factory().create('zh_CN')
def random_phone_number():
'''随机手机号'''
return fake.phone_number()
def random_name():
"""随机姓名"""
return fake.name()
def random_address():
"""随机地址"""
return fake.address()
def random_email():
"""随机email"""
return fake.email()
实际上，实际应用中都采用多种方式相结合的方式生成测试数据。最典型的应用场景是，先通过 API 调用或者第三方库生成基础的测试数据，然后使用数据库的 CRUD 操作生成符合特殊需求的数据。比如：
# 注册新用户并进行绑卡
1. 使用封装的faker库随机生成姓名，手机号，邮箱等信息，并调用createUser API进行注册；
2. 查询userTableb表获得用户名，然后调用bindCard API实现绑卡。其中，bindCard API中使用的userID即为上一步createUser API中产生的用户ID；
3. 如有需要，通过数据库操作更新其他信息。
以上就是一个常用的创建测试数据的过程。