参数化，就是把测试过程中的数据提取出来，通过参数传递不同的数据来驱动用例运行。其实也就是数据驱动的概念。
在 Unittest 中，我们讲过使用 ddt 库配合 unittest 实现数据驱动。在 Pytest 中并不需要额外的库，通过 pytest.mark.parametrize()即可实现参数化。
方法：
parametrize(argnames, argvalues, indirect=False, ids=None, scope=None)
常用参数：
argnames：参数名
argvalues：参数对应值，类型必须为list或元组
当参数为一个时格式：[value]
当参数个数大于一个时，格式为:[(param_value1,param_value2.....),(param_value1,param_value2.....)]
ids:使用的数据组别名，类型必须为list或元组，与argvalues一一对应，用于使用的数据组的展示
使用方法:
@pytest.mark.parametrize(argnames,argvalues)
️ 参数值为N个，测试方法就会运行N次
单个参数
在使用pytest.mark.parametrize()传递参数化数据时，测试用例本身必须有参数。
测试用例的参数名必须要跟parametrize传递的参数名保持一致
import pytest
def add(a, b):
return a + b
# 单个参数的情况
@pytest.mark.parametrize('a', (1,2,3,4))
def test_add(a): # => 作为用例参数，接收装饰器传入的数据
print('\na的值:', a)
assert add(a, 1) == a+1
if __name__ == '__main__':
pytest.main(["-s", "demo.py"])
输出结果：
collected 4 items
demo.py
a的值: 1
.
a的值: 2
.
a的值: 3
.
a的值: 4
.
============================== 4 passed in 0.06s ==============================
注意用法，@pytest.mark.parametrize() 装饰器接收两个参数，一个参数是以字符串的形式标识用例函数的参数，第二个参数以列表或元组的形式传递测试数据。
多个参数
多个参数，@pytest.mark.parametrize()第一个参数依然是字符串， 对应用例的多个参数用逗号分隔。第二个参数为一个二维的列表或者元组
import pytest
# 待测函数
def add(a, b):
return a + b
# 多个参数的情况
@pytest.mark.parametrize('a,b,c', ([1,2,3],[4,5,9],[7,8,15]))
def test_add(a,b,c): # => 作为用例参数，接收装饰器传入的数据
print('\na,b,c的值分别为:', f"{a},{b},{c}")
assert add(a, b) == c
if __name__ == '__main__':
pytest.main(["-s", "demo.py","-v"])
执行后输出：
collecting ... collected 3 items
demo.py::test_add[1-2-3]
a,b,c的值分别为: 1,2,3
PASSED
demo.py::test_add[4-5-9]
a,b,c的值分别为: 4,5,9
PASSED
demo.py::test_add[7-8-15]
a,b,c的值分别为: 7,8,15
PASSED
============================== 3 passed in 0.05s ==============================
对测试类参数化
以上例子我们是对单个的测试用例进行了数据驱动，如果要对整个测试类操作，其实际上也是对类中的测试方法进行参数化。类中的测试方法的参数必须与@pytest.mark.parametrize()中的标识的参数个数一致且参数名相同。
每个测试用例都会循环执行传入参数的组数的次数
import pytest
def add(a, b):
return a + b
@pytest.mark.parametrize('a, b, c', ([1,2,3],[4,13,9],[7,8,15]))
class TestAbc():
def test_add1(self,a,b,c): # => 作为用例参数，接收装饰器传入的数据
assert add(a, b) == c
def test_add2(self,a,b,c): # => 作为用例参数，接收装饰器传入的数据
assert add(a, c) == b
def test_other(self,a,b,c):
print("\na,b的值分别为:",f"{a},{b}")
if __name__ == '__main__':
pytest.main(["-s", "demo.py","-v"])
修改结果显示名称
通过上面的运行结果，我们可以看到，为了区分参数化的运行结果，在结果中都会显示数据组合而成的名称。
数据短小还好说，如果数据比较长而复杂的话，那么就会很难看。
@pytest.mark.parametrize() 还提供了第三个 ids 参数来自定义显示结果,数据格式为元组或者列表，与传入的第二个参数一一对应，仅作展示所用。
test_add[1-2-3]这是结果中显示的名称，ids 的修改会作用于[]中的显示。
我们下面的示例简单的为数据编了一个号：
import pytest
def add(a, b):
return a + b
# ids 的作用
data = ([1,2,3],[4,13,9],[7,8,15])
ids = [f'data{d}' for d in range(len(data))] # => 生成与数据数量相同的名称列表
# ids = ('data0','data1','data2')
@pytest.mark.parametrize('a, b, c', data, ids=ids)
def test_add1(a,b,c):
assert add(a, b) == c
if __name__ == '__main__':
pytest.main(["-s", "demo.py","-v"])
输出结果：
demo.py::test_add1[data0] PASSED
demo.py::test_add1[data1] FAILED
demo.py::test_add1[data2] PASSED
================================== FAILURES ===================================
常用的测试用例管理方式
在进行自动化测试的时候，一般需要对数据进行一个统筹规划实现以用例数据驱动框架进行测试。
常见的有
excel存放
优点： 便于维护，框架成型之后维护用例的人员没有学习成本。
缺点： 执行效率低，且用例量级大的时候易卡顿。
yaml存放
优点： 便于维护，轻便
缺点： 学习成本，用例编写设置不够直观
json存放
优点： 便于维护，轻便
缺点： 学习成本，用例编写设置不够直观
类属性存放
优点： 调用便利
缺点： 学习成本