資料驅動測試

使用單一資料集（如 "user1"）進行測試是一個好的開始，但這並不能證明您的 API 是穩健的。如果使用者名稱有空格會發生什麼？如果是 100 個字元長呢？如果電子郵件無效呢？

資料驅動測試 (Data-Driven Testing, DDT) 允許您多次運行 同一個 測試場景，每次迭代使用來自外部檔案（CSV 或 JSON）的不同資料集。

什麼是資料驅動測試？

您不再使用硬編碼的值如 "username": "testuser"，而是使用變數如 "username": "{{username}}"。然後，您將一張資料表輸入到測試執行器中。

為什麼使用它？

覆蓋率：在幾秒鐘內測試 100 個邊緣案例。

效率：編寫一次測試邏輯，無限次運行。

分離：將您的測試邏輯與測試資料分開。

步驟 1：準備您的資料

Apidog 支援 CSV 和 JSON 格式。CSV 通常最容易在 Excel 或 Google Sheets 中管理。

範例 CSV (`users.csv`)

建立一個檔案，其標頭匹配您的變數名稱：

username,email,password,expected_status
valid_user,valid@email.com,Pass123!,201
short_pass,valid2@email.com,123,400
bad_email,notanapemail,Pass123!,400
long_user,user_with_very_long_name_check_limits@email.com,Pass123!,201

注意：標頭（username, email）將自動成為 Apidog 中的變數名稱。

步驟 2：配置測試場景

打開您的測試場景（例如「使用者註冊」）。

在您的 API 請求 (POST /users) 中，將硬編碼的值替換為變數：

Body:

{
  "username": "{{username}}",
  "email": "{{email}}",
  "password": "{{password}}"
}

更新斷言：由於預期結果會改變（有些通過，有些失敗），請讓您的斷言也是動態的！

Assertion: Response.status.code Equals {{expected_status}}

步驟 3：匯入資料並運行

現在，讓我們將資料檔案連接到測試執行器。

點擊您的場景的 Run 按鈕。

在運行設定中，找到 Test Data 部分。

點擊 Import 並選擇您的 users.csv 檔案。

預覽：Apidog 將向您展示已載入資料行的預覽。

運行：點擊 Run。

查看詳情：資料驅動測試

步驟 4：分析結果

Apidog 將為 CSV 檔案中的 每一行 執行一次場景。在我們的範例中，迭代 1 使用 valid_user 並期望 201，這應該通過。迭代 2 使用 short_pass，這是無效的。由於我們配置了預期狀態為 400，測試通過，因為 API 正確拒絕了壞資料。

報告按迭代對這些進行分組，允許您確切地看到哪一行資料導致了失敗。

最佳實踐

包含預期結果：如範例所示 (expected_status)，將您的成功標準放入資料檔案中。這允許一個測試腳本同時處理正面和負面測試。

保持資料小巧：不要上傳 1GB 的 CSV。堅持關鍵的代表性案例。

隨機 vs 順序：Apidog 通常按順序處理行（第 1 行，然後第 2 行）。這是確定性的，也是建議的做法。

關鍵重點

外部化測試資料以實現可擴展性

使用 CSV/JSON 檔案進行資料驅動

應用資料驅動方法進行批次測試

下一步

我們已經涵蓋了功能測試、整合邏輯和資料覆蓋。但是您的 API 能擴充嗎？它能同時處理 1,000 個使用者嗎？

在下一章中，我們將深入探討使用 Apidog 進行 效能測試。

繼續閱讀 → 效能測試

什麼是資料驅動測試？#

步驟 1：準備您的資料#

範例 CSV (users.csv)#

步驟 2：配置測試場景#

步驟 3：匯入資料並運行#

步驟 4：分析結果#

最佳實踐#

關鍵重點#

下一步#