读取 excel 测试数据真的慢吗?

在实现自动化测试的时候,我们经常会使用数据驱动。所以我们经常会把测试数据单独保存在一个特定格式的文件当中,然后通过读取文件去驱动自动化测试代码。

这篇文章会对比 Excel、CSV 和 YAML 三种主流的文件格式,看看它们哪个更好。

先来看用的最多的 Excel。

Excel 是世界上使用最广泛的数据文件格式。使用 python 做自动化测试,可以用 openpyxl 这个第三方库操作 Excel。

经常有人说 Excel 的操作限制很多,写入和读取的速度很慢。真的是这样吗?

我们做个实验。创建一个空的 Excel 文件,然后插入 1000 条数据,看插入数据和读取这些数据会耗费多久的时间。

import openpyxl


def test_insert_1000_lines_data():
    lines = 1000
    workbook = openpyxl.Workbook()
    worksheet = workbook.create_sheet('demo')
    for i in range(lines):
        data = (i, f'name{i}', f'http://www.example.com/{i}')
        worksheet.append(data)
    workbook.save('1000lines.xlsx')
  
def test_read_1000_lines_data():
    workbook = openpyxl.load_workbook('1000lines.xlsx')
    worksheet = workbook['demo']
    for row in worksheet.values:
        pass

插入 1000 条数据会消耗多少时间呢?答案是 0.09 秒,速度并不慢。而读取这 1000 条测试数据消耗的时间,只需要 0.06 秒。

在一个项目当中,1000 个测试用例应该是比较合理的,所以在正常的测试场景下,使用 Excel 管理用例数据在读取效率上是合适的。

但是当数据变得越来越大的时候,Excel 的处理速度会越来越慢,读取数据消耗了 7 秒。这就意味着如果你有多个项目需要同时测试,Excel 的解析可能会对测试效率造成一定的影响。

1000 行 5 万行 10 万行
插入时间 0.09s 3.75s 7.44s
读取时间 0.07s 3.45s 7.1s

再看 CSV 格式。

不论是进行自动化测试还是进行数据分析,CSV 格式都更加合适。这种格式不像 Excel,要去处理表格的样式,它更专注于数据。

而且在 Python 语言当中,内置了 CSV 格式的处理模块,用法非常简单,没有太多额外的学习成本。

import csv


def test_insert_1000_lines_data():
    lines = 1000
    with open('1000lines.csv', 'w', newline='') as f:
        csv_writer = csv.writer(f)
        for i in range(lines):
            data = (i, f'name{i}', f'http://www.example.com/{i}')
            csv_writer.writerow(data)
          
def test_read_1000_lines_data():
    with open('1000lines.csv', newline='') as f:
        csv_reader = csv.reader(f)
        for row in csv_reader:
            print(row)

分别对 1000 行、5 万行和 10 万行数据进行插入和读取操作,CSV 的速度都比 Excel 要快一个量级。

1000 行 5 万行 10 万行
插入时间 0.08s 0.09s 0.17s
读取时间 0.02s 0.04s 0.09s

对于海量数据处理,CSV 比 Excel 要快很多,代码编写也更简单。

但是,使用 CSV 格式一定要注意对逗号的处理。

在 CSV 当中,每一行的数据默认是用逗号分割的,如果你有一个数据当中本身就包含了逗号,一定要记得把这个数据用双引号包裹。

而且,CSV 支持的数据格式非常有限,数据被读取出来后都被当成字符串,需要自己添加额外的解析操作。

id,17,18,"{'name': 'yuz', 'age': 11}"

最后,我们来看看 YAML 的表现怎么样?

YAML 的优点在于丰富的数据类型支持。无论是元组、字典、数字、布尔类型都能支持,并且被 python 语言轻松解析成对应的 python 数据类型。

import yaml


def test_insert_1000_lines_data():
    lines = 1000
    with open('1000lines.yaml', 'w') as f:
        all_data = [{"id": i,
                     "name": f"name{i}",
                     "data": {"username": "yuz", "passoword": 123456}}
                    for i in range(lines)]
        yaml.safe_dump(all_data, f)


def test_read_1000_lines_data():
    with open('1000lines.yaml',
              encoding='utf-8') as f:
        data = yaml.load(f, Loader=yaml.SafeLoader

在少量数据的解析上,YAML 会非常的方便。但是一旦数据增加到上万组,YAML 的解析速度会非常非常慢。当数据达到 10 万行的时候,读取速度竟然接近 1 分钟。

1000 行 5 万行 10 万行
插入时间 0.27s 14.79s 31.78s
读取时间 0.47s 26.8s 53.63s

最近有越来越多的自动化测试人员使用 YAML 存储用例,一方面是看重了它支持的丰富的数据格式,另一方面可能是受了一些框架的影响。

httprunner 这个接口自动化测试框架就采用了 YAML 存储用例数据。其实当存在海量数据需要读取的时候,YAML 的处理速度比 Excel 慢一个量级。所以 httprunner 这样的框架,从测试效率这个维度来讲,更适合做单用例或者少量用例的测试。如果想针对整个项目甚至是多个项目一次性测试的话,httprunner 的执行速度会比较慢。

通过对 Excel、CSV 和 YAML 三种格式的操作效率对比可以得出以下结论。

一、如果你只想对少量的用例进行测试,或者对测试数据的格式要较高的要求,用 YAML 存储用例数据会更利于解析,但是这种场景下一般可以直接使用 postman 这些成熟的工具,没有必要自己实现。

二、如果你已经习惯了 Excel 的操作。直接使用这种方式就可以了,1 万行以下的数据, Excel 还是非常快的。

三、不管怎么样,我还是更推荐大家去尝试一下 CSV 这种格式。首先、就算是到了 10 万行数据的情况下,它的处理速度也是非常快的。其次,Python 语言当中直接内置了 CSV 的模块,它的使用方式和 open.函数非常的相似,几乎没有额外的学习成本。

1 回帖
请输入回帖内容 ...
  • CuiDev

    受教了,雨泽老师