Friki Work

Flujos de Casos de Prueba Cada interfaz se considera un caso de prueba individual, conocido como caso de prueba de una sola interfaz. Para la automatización, se uitlizan: pytest unittest yaml Un caso de prueba puede incluir múltiples interfaces, lo que se conoce como flujo de casos de prueba. Estos requieren la coordinación de varias interfac ...

En el ámbito de la automatización de pruebas, la ejecución reiterada de un mismo caso de prueba es una técnica fundamental para validar la estabilidad de un sistema o identificar errores intermitentes (flaky tests). A continucaión, se presentan cuatro enfoques técnicos para implementar repeticiones en Pytest, integrando un seguimiento detallado ...

Pytest ofrece un sistema robusto para la gestión del contexto de las pruebas, permitiendo a los desarrolladores definir acciones de configuración (setup) y desconfiguración (teardown) en diferentes niveles de alcance. Estas funciones garantizan que el entorno de prueba se prepare correctamente antes de la ejecución de los casos de prueba y se l ...

pytest es un framework de pruebas maduro y completo para Python, reconocido por su flexibilidad y facilidad de uso. Entre sus características destacan: Documentación abundante y curva de arpendizaje suave. Soporte para parametrización que permite control detallado de casos de prueba. Idóneo para pruebas unitarias simples y funcionales compleja ...

La creación de un framework de pruebas puede abordarse desde dos perspectivas principales: un enfoque ascendente (bottom-up) o un enfoque descendente (top-down). El método ascandente, que comienza con scripts básicos y los evoluciona hacia una estructura de framework, es ideal para quienes se inician y desean comprender la progresión. En contra ...

Métodos comunes de Allure ============= 2. @allure.severity Niveles de severidad para casos de prueba blocker : Defectos críticos, bugs fatales, pérdida de datos, colapso del sistema. critical: Defectos graves, bugs importantes en funcionalidades no implementadas, errores de función, envíos duplicados normal: Defectos comunes, errores en cons ...

El Data-Driven Testing (DDT) es una metodología de automatización que permite separar la lógica de las pruebas de los datos de entrada. En el ecosistema de Python, Pytest facilita esta tarea mediante su sistema de parametrización. A continuación, exploraremos cómo integrar fuentes de datos externas como archivos Excel y bases de datos relaciona ...

En el ecosistema de pytest, los fixtures son componentes fundamentales para preparar el entorno de prueba y mantener el código limpio. Una de las características más potentes de los fixtures es el parámetro scope, que permite definir el ciclo de vida y la frecuencia de ejecución de la inicialización. Cuando configuramos autouse=True, el fixture ...

Análisis de Parámetros def parametrize(self, parametros, valores, indirecto=False, ids=None, alcance=None): """ Genera múltiples invocaciones de prueba usando valores parametrizados. :param parametros: Nombres de argumentos (cadena o lista/tupla) :param valores: Lista de valores para los parámetros :param ...

En el artículo anterior sobre variables en HttpRunner 3.x, explicamos cómo las variables son útiles para relaciones "uno a uno" entre parámetros y valores. Sin embargo, cuando necesitamos múltiples valores para una variable, como varias combinacinoes de nombre de usuario y contraseña para pruebas de inicio de sesión, no es práctico cr ...