python pytest 参数化的几种方式

在pytest框架中，可以使用多种方式进行参数化测试。以下是一些常见的参数化方式及其示例：

1. 使用@pytest.mark.parametrize装饰器：可以使用pytest提供的@pytest.mark.parametrize装饰器来指定参数化测试的参数。下面是一个示例：

   import pytest
   
   @pytest.mark.parametrize("num, expected", [
       (1, 1),
       (2, 4),
       (3, 9)
   ])
   def test_square(num, expected):
       assert num ** 2 == expected

   在上面的示例中，通过给@pytest.mark.parametrize装饰器传递参数列表，每个参数列表都是一个参数化测试的参数组合。每个参数组合都会作为单独的测试用例执行。

2. 使用pytest.fixture装饰器：可以使用pytest.fixture装饰器创建一个可以在测试函数中使用的参数化fixture。下面是一个示例：

   import pytest
   
   @pytest.fixture(params=[1, 2, 3])
   def num(request):
       return request.param
   
   def test_square(num):
       assert num ** 2 == num * num

   在上面的示例中，使用@pytest.fixture装饰器创建了一个名为num的参数化fixture。通过在测试函数的参数中引用该fixture，每个参数组合都会作为单独的测试用例执行。

3. 使用pytest_generate_tests钩子函数：可以使用pytest的钩子函数pytest_generate_tests来自定义参数化测试的生成方式。下面是一个示例：

   import pytest
   
   def pytest_generate_tests(metafunc):
       if 'num' in metafunc.fixturenames:
           metafunc.parametrize('num', [1, 2, 3])
   
   def test_square(num):
       assert num ** 2 == num * num

   在上面的示例中，定义了一个pytest_generate_tests钩子函数，通过判断测试函数的参数是否存在来进行参数化。每个参数组合都会作为单独的测试用例执行。

4. 使用pytest-data库：pytest-data是一个用于参数化测试的扩展库，可以通过加载外部数据文件来提供参数化测试的数据。以下是一个示例：

   import pytest
   from pytest_data import data
   
   @pytest.mark.datafiles('test_data.csv')
   def test_addition(datafiles):
       data_file = datafiles / 'test_data.csv'
       for row in data(data_file):
           num1 = row['num1']
           num2 = row['num2']
           expected = row['expected']
           assert num1 + num2 == expected

   在上面的示例中，使用pytest-data库的data装饰器加载了一个CSV文件作为测试数据，并在测试函数中使用了这些数据进行参数化测试。

5. 使用CSV或Excel文件：如果希望使用CSV或Excel文件作为测试数据进行参数化，可以使用Python的csv或openpyxl库来读取文件并生成参数组合。以下是一个示例：

   import pytest
   import csv
   
   def read_csv(file_path):
       with open(file_path, 'r') as csv_file:
           csv_reader = csv.DictReader(csv_file)
           for row in csv_reader:
               yield row
   
   @pytest.mark.parametrize("data", read_csv("test_data.csv"))
   def test_multiply(data):
       num1 = int(data['num1'])
       num2 = int(data['num2'])
       expected = int(data['expected'])
       assert num1 * num2 == expected

   在上面的示例中，通过read_csv函数读取CSV文件的每一行作为参数组合，并使用@pytest.mark.parametrize装饰器进行参数化测试。

6. 使用pytest.mark.parametrize装饰器嵌套：可以使用pytest.mark.parametrize装饰器嵌套来进行多个参数的组合。示例如下：

   import pytest
   
   @pytest.mark.parametrize("num", [1, 2])
   @pytest.mark.parametrize("operation", ["add", "subtract"])
   def test_calculator(num, operation):
       if operation == "add":
           result = num + num
           assert result == 2 * num
       elif operation == "subtract":
           result = num - num
           assert result == 0

   在上面的示例中，使用了两个参数化装饰器，分别对num和operation进行参数化。每个参数化装饰器中的参数都会进行组合，生成不同的测试用例。

7. 使用自定义参数化装饰器：除了pytest提供的装饰器，还可以自定义参数化装饰器来实现特定的参数化方式。示例如下

   import pytest
   
   def custom_parametrize(*args):
       def decorator(func):
           for arg in args:
               func = pytest.mark.parametrize(*arg)(func)
           return func
       return decorator
   
   @custom_parametrize(
       ("num", [1, 2, 3]),
       ("operation", ["add", "subtract"])
   )
   def test_calculator(num, operation):
       if operation == "add":
           result = num + num
           assert result == 2 * num
       elif operation == "subtract":
           result = num - num
           assert result == 0

   在上面的示例中，定义了一个自定义的参数化装饰器custom_parametrize，接受一系列参数化参数，并将其应用于测试函数。使用自定义装饰器可以实现更复杂的参数化逻辑。