Előzmények
- A Demora szükség lenne 20 db 50 millió feletti, csokkal támogatott hiteligényre, 30 db csokkal nem támogatottra, 40 feletti igénylőkkel, 20 db lakásfelújításra felvehető kölcsönigényre.
- Keressünk az adatbázisban!
- A Demora csak a teszt1-en lesz lehetőség, de azon üres adatbázissal nyitunk.
- Oké, akkor vigyük fel adatvezérelt megoldással! (lásd előző cikkek: Adatvezérlés 1, 2, 3)
- Nem rossz, de mit vigyünk fel? Egy igény 60-90 mező nagyrészt véletlenszerű kitöltését jelenti, ki állít elő egy ilyen Excelt? Ez kb. 5000 cella véletlen, de értelmes adattal való feltöltése.
- Nekem van egy ötletem. Faker.
Bevezetés
Gyakran fordul elő, hogy a tesztelésnél tömegesen lenne szükség véletlenszerűen előállított tesztadatokra. Véletlen nevekre, címekre, dátumokra, értékekre stb… Erre biztosít megoldást a faker könyvtár Robot Frameworkhöz.
Faker
A Faker egy népszerű könyvtár, amely hamis (de ésszerű) adatokat generál, amelyek felhasználhatók minden olyan esetben, ahol tesztadat előállítás vagy anonimizálás a cél. Eredetileg Perlben íródott, de majdnem minden nyelvre van portja. Ebben a cikkben a Robot Framework könyvtár működését mutatjuk be. Ez a könyvtár a Python-os faker portra épül, ehhez szolgáltat kulcsszavakat.
Sajnos a könyvtár aluldokumentált: https://guykisel.github.io/robotframework-faker/
A cikk végén adok tanácsot, hogy ezt hogyan kezeld.
Alapozás
Egy gyors telepítés után:
pip install robotframework-faker
A robot-ban behivatkozhatjuk a könyvtárat és használhatjuk. Mivel a könyvtár kulcsszavai elég egyszerűek, azt tanácsolom, hogy adj nevet a könyvtárnak és utána használd a könyvtárnév előtagot a kulcsszavak előtt. Így:
*** Settings ***
Library FakerLibrary WITH NAME faker
*** Test Cases ***
Example of using faker
${name}= faker.Name
log Name: ${name}
A fenti példában a ${name} változónak adtunk véletlen Name értéket a faker segítségével és ezt a véletlen értéket írtuk ki a log-ba.
Általánosságban a faker könyvtár adatelőállító kulcsszavainak az a használati módja, hogy meghívás után visszaadott értéket egy változóba dobjuk.
Lokális kamuzás
A Faker használhat egy területi beállítást argumentumként, hogy lokalizált adatokat adjon vissza. Ha nem található honosított szolgáltató, a gyár visszaáll az amerikai angol alapértelmezett LCID karakterláncra, azaz: en_US.
Így kérheted meg a faker-t, hogy magyarul kamuzzon adatot:
*** Settings ***
Library FakerLibrary locale=hu_HU WITH NAME faker
Specifikációs hiányosságok
A specifikáció olyan remek, amilyennel a tesztelők gyakran találkoznak. Olyan, mint a népmesében a királyhoz menő parasztlány, sétál, de mégsem, visz ajándékot, de mégsem, fel is van öltözve, de mégsem…. Néhol simán szűkszavú, néhol téves infókat tartalmaz. Ha csak az alap beállított fake-eket akarja az ember használni, akkor ezzel is el lehet boldogulni, de ha valami speciálisat szeretnénk (saját fake megvalósítása, külső, de már létező egyéb fake behúzása), akkor jobban járunk, ha Python-ban valósítjuk meg és úgy húzzuk be magunknak kulcsszó formájában.
Zárásféleképpen
A Faker könyvtár alapból sokat tud és nagyon jól használható kamu adathalmaz létrehozására. Az előzményben szereplő tesztadatok előállítására remek eszköz. Az adatvezérléses cikkben láttuk, hogy hogyan lehet tesztadatot „beolvasni”, a következő részben megmutatjuk, hogy a kamus tesztadatokat hogyan lehet könnyen emészthető formába (CSV, Excel) kiírni állományba. Addig is
Jó tesztet! Hajrá! 🙂