python生成器+pytest实现参数化

简介: 定义:生成器是由函数+yield关键字创造出来的写法

定义:生成器是由函数+yield关键字创造出来的写法

遇到问题:

pytest执行没找到用例(未以test开头命名文件)

'''
python生成器+pytest实现参数化
case:模拟从execl或者yaml文件读取出的用例数据
    标题 内容 预取结果 是否执行
'''
import pytest
case=[('标题','内容','预期结果','是'),('标题1','内容1','预期结果1','否'),('标题2','内容2','预期结果2','是'),('标题3','内容3','预期结果3','是')]
def ye():
    '''这里写读取文件的方法,最终读出case格式这样的用例数据,返回一个生成器对象'''
    for i in case:
        print(f'i={i}')
        #如果选择不执行,那这条数据就不会返回出去
        if i[3]=='是':
            # 返回一组用例数据,这个数据使用完成后再次返回下一组数据
            yield i
#使用生成器需要循环读取它返回的每一个值,生成器就是ye()这个函数
# for i in ye():
#     print(i)
#
#     #   ('标题', '内容', '预期结果', '是')
#     #   ('标题2', '内容2', '预期结果2', '是')
#     # ('标题3', '内容3', '预期结果3', '是')
#
#pytest 参数化
#parametrize类似循环读取变量里面的值,可以配合生成器使用,生成器就是ye()这个函数
@pytest.mark.parametrize('title,body,ex,is_execute',ye())
def test(title,body,ex,is_execute):
    print(f'title={title}, body={body} ex={ex},是否执行={is_execute}')
    assert '标题' in title
if __name__ == '__main__':
    pytest.main([r'F:\script\pytest_tool\test_she.py'])

选择三个执行一个不执行

选择二个执行二个不执行

相关文章
|
21天前
|
数据采集 存储 大数据
深入理解Python中的生成器及其应用
本文详细介绍了Python中的生成器概念,包括其定义、工作原理、常见用法以及在实际项目中的应用。通过具体示例和代码分析,帮助读者更好地理解和运用生成器,提高编程效率。
|
6天前
|
Python
python解包迭代器或生成器
【7月更文挑战第1天】
12 3
|
5天前
|
大数据 数据处理 Python
Python的生成器(Generator)
【7月更文挑战第2天】
7 1
|
6天前
|
Python
python解包迭代器或生成器
【7月更文挑战第1天】
10 1
|
11天前
|
数据处理 Python
从零开始学迭代器生成器:打造高效、易读的Python代码
从零开始学迭代器生成器:打造高效、易读的Python代码
|
9天前
|
IDE Linux 数据处理
探索Linux中的`pydoc`命令:Python文档生成器的力量
`pydoc`是Linux上Python的文档生成和查看工具,尤其对数据科学家有价值。它从docstring生成模块、函数和类的文档,提供快速API参考。主要特点包括易用性、支持标准库和第三方库、跨平台。命令行示例:`pydoc pandas` 查看库文档,`pydoc numpy.array` 查看类详情,`pydoc -k 关键字` 进行搜索。使用时注意正确安装Python,编写清晰的docstring,并结合IDE以提升效率。
|
14天前
|
算法 大数据 数据处理
深入理解Python中的生成器及其应用
生成器是Python中一种强大的工具,能够简化代码、节省内存并提高程序的效率。本文将详细介绍生成器的概念、语法以及在实际项目中的应用场景,帮助开发者更好地利用这一特性。
|
15天前
|
数据处理 开发者 Python
深入理解Python中的生成器与迭代器
在Python编程中,生成器和迭代器是非常重要的概念,它们能够极大地提高代码的效率和可读性。本文将详细介绍生成器和迭代器的原理、用法及其在实际开发中的应用,通过示例代码帮助读者更好地掌握这些技术。
|
17天前
|
存储 大数据 索引
Python迭代器与生成器概览
【6月更文挑战第20天】迭代器提供不依赖索引的元素访问,支持`__next__()`和`iter()`,惰性计算节省内存,但不可回溯且无长度。生成器是特殊的迭代器,用`yield`动态生成值,更节省内存,代码简洁。创建迭代器可通过`iter()`函数,而生成器通过`yield`函数或生成器表达式实现。在处理大数据时尤为有用。
16 2
|
23天前
|
算法 大数据 数据处理
Python 迭代器和生成器有什么用?
**Python 迭代器与生成器巧妙用法** 本文探讨了 Python 中迭代器和生成器的实际应用场景。迭代器通过 `__iter__()` 和 `__next__()` 方法支持迭代操作,适用于处理大数据或动态数据流。例如,创建一个 `CountDown` 类实现倒计时迭代。生成器简化代码,如 `fibonacci` 函数用于生成斐波那契数列。此外,迭代器可用于分页、连接多个迭代器和过滤数据。生成器则擅长处理大文件、生成无限序列和实现斐波那契数列,还可构建数据处理管道和使用生成器表达式。掌握这些技巧能提升代码效率和处理问题的能力

相关实验场景

更多