用yaml寫用例

第一步：

安裝yaml，在執行裡輸入：pip install pyyaml

檢驗是否安裝成功，在pycharm裡輸入：import yaml

第二步：

建立乙個file，字尾寫yaml或yml

在yml檔案裡寫入單個使用者名稱和密碼

開啟yml檔案並以字典的形式列印出來

執行結果：

在yml檔案裡寫入多個用例，以「-」區分每個用例，以縮排控制層級

執行結果：

結果中，每個用例以字典展示，整個資料以列表展示

多個用例和層級

執行結果：

# -*- coding: utf-8 -*-

import yaml
class yaml_analysis:
def __init__(self):
self.data = none
def get_config(self):
with open('login.yaml', 'r', encoding="utf-8") as f:
yml_data = f.read()
# load方法轉出為字典型別
self.data = yaml.load(yml_data,loader=yaml.fullloader)
return self.data
# 列印測試
if __name__ == '__main__':
y = yaml_analysis()
print(y.get_config())

data.yaml

name: login
request:
url: 
method: post
data:
mobile: 18380416336
password: 123456
clienttype: 4
name: login
method: post
request:
url: 
method: post
data:
mobile: 13013001301
password: 123456
clienttype: 4

# /usr/bin python

#coding=utf-8
import yaml,requests,json
class yaml_analysis:
def get_config(self):
d = open('data.yaml')
e = yaml.load(d,loader=yaml.fullloader)
request = e['request']
name = e['name']
method = request['method']
url = request['url']
data = request['data']
self.re = requests.request(method,url,data=data)
r=self.re.json()
return r
# 列印測試
if __name__ == '__main__':
y = yaml_analysis()
print(y.get_config())

d = open('data.yaml')

e = yaml.load(d,loader=yaml.fullloader)
request = e['request']
name = e['name']
method = request['method']
url = request['url']
data = request['data']
re = requests.request(method,url,data=data)
r=re.json()
print(r)

使用Python寫yaml用例

1.開啟cmd,進入本機安裝python的目錄,執行 pip install pyyaml 安裝pyyaml第三方包。2.在pycharm中新建乙個專案 已有的話就不需要啦 新建yaml檔案 test yaml.yaml 字尾是 yml也可以 username cocoxu password 123...

業務用例和系統用例

拋開前一篇文章談的總體思路，我們今天來談一下需求分析工作實質性的做些什麼。在這裡，我們，將主要關注於分析層面，也即 uml中的用例模型和邏輯模型。在這裡要申明的是邏輯模型並不能完全算需求分析階段的工作，因為它包含了設計模型的概念，但是我又把它歸納了一塊到需求分析階段，原因在於邏輯模型中存在了業務物件...

業務用例和系統用例

業務用例與系統用例具有同樣的特徵，因此編寫和評審用例的方法對兩者都適用。在業務用例中說明的東西，也會在系統用例中說明。這形成了系統用例和使用者用例之間的合作。但這樣帶來了兩個壞訊息。第乙個壞訊息 編寫者和讀者經常把二者弄混，可能把系統行為放入業務用例中，也可能把業務操作歸於系統用例。如果能夠商量著去...