软件测试 | Pytest 参数化与基本装饰器用法

更多软件测试学习资料戳

Pytest 是一个功能强大的 Python 测试框架，广泛用于编写和执行测试用例。Pytest 提供了丰富的功能，包括参数化测试和使用装饰器管理测试行为。本文将介绍如何在 Pytest 中使用参数化以及基本装饰器的用法。

参数化测试

参数化测试允许我们使用不同的输入数据运行相同的测试函数，从而避免代码重复，提高测试覆盖率。Pytest 通过 @pytest.mark.parametrize 装饰器实现参数化测试。

基本用法

@pytest.mark.parametrize 装饰器接收两个参数：

1. 参数名（作为字符串，以逗号分隔）

2. 参数值（作为列表）

以下是一个简单的示例：

import pytest
# 定义一个简单的函数def add(x, y):    return x + y
# 使用参数化测试同一个函数@pytest.mark.parametrize("a,b,expected", [    (1, 2, 3),    (2, 3, 5),    (3, 4, 7),    (4, 5, 9),])def test_add(a, b, expected):    assert add(a, b) == expected

在这个示例中，test_add 函数使用了 @pytest.mark.parametrize 装饰器，分别用四组不同的参数运行测试。

参数组合

Pytest 也支持对参数进行组合。假设我们有两个参数列表，我们希望测试所有可能的参数组合，可以这样做：

@pytest.mark.parametrize("x", [1, 2])@pytest.mark.parametrize("y", [10, 20])def test_multiplication(x, y):    assert x * y in [10, 20, 20, 40]

这将会运行四次测试，分别是：

• x=1, y=10
  

• x=1, y=20
  

• x=2, y=10
  

• x=2, y=20
  

基本装饰器用法

Pytest 提供了一些常用的装饰器来管理测试函数的行为，例如设置预置条件、清理操作等。

@pytest.fixture

@pytest.fixture 装饰器用于定义测试前后的初始化代码（fixture）。fixture 是一种资源管理方式，用于在测试函数运行之前准备好需要的资源，并在测试函数结束之后清理这些资源。

import pytest
@pytest.fixturedef sample_data():    return {"name": "Alice", "age": 30}
def test_sample_data(sample_data):    assert sample_data["name"] == "Alice"    assert sample_data["age"] == 30

在这个示例中，sample_data 是一个 fixture，它返回一个字典。测试函数 test_sample_data 可以直接使用这个 fixture 提供的数据。

@pytest.mark.skip

@pytest.mark.skip 装饰器用于跳过某些测试。这在某些情况下非常有用，例如在特定条件下不适用的测试。

@pytest.mark.skip(reason="测试暂时被跳过")def test_example():    assert 1 + 1 == 3

@pytest.mark.skipif

@pytest.mark.skipif 装饰器用于在满足特定条件时跳过测试。例如，只有在 Python 版本低于 3.6 时才跳过某个测试：

import sys
@pytest.mark.skipif(sys.version_info < (3, 6), reason="需要 Python 3.6 以上版本")def test_python_version():    assert sys.version_info >= (3, 6)

@pytest.mark.xfail

@pytest.mark.xfail 装饰器用于标记已知会失败的测试。它在测试预期失败时不会被视为错误。

@pytest.mark.xfail(reason="此功能尚未实现")def test_unimplemented_feature():    assert False

结论

Pytest 的参数化和基本装饰器用法为编写灵活、高效的测试提供了强大的支持。通过参数化测试，我们可以轻松地用不同的数据集运行相同的测试函数。而通过装饰器，我们可以更好地管理测试的执行条件和环境。

熟练掌握这些功能，可以显著提高测试代码的质量和可维护性。在实际项目中，这些技术将帮助你更高效地进行测试和确保代码的可靠性。