【pytest官方文档】解读fixtures - 3. fixtures调用别的fixtures、以及fixture的复用性

简介: 【pytest官方文档】解读fixtures - 3. fixtures调用别的fixtures、以及fixture的复用性

pytest最大的优点之一就是它非常灵活。


它可以将复杂的测试需求简化为更简单和有组织的函数,然后这些函数可以根据自身的需求去依赖别的函数。


fixtures可以调用别的fixtures正是灵活性的体现之一。


一、Fixtures调用别的Fixtures


直接看一个简单示例:


import pytest
# Arrange
@pytest.fixture
def first_entry():
    # 这是一个fixture函数,返回值:"a"
    return "a"
# Arrange
@pytest.fixture
def order(first_entry):
    # 这是另一个fixture函数,请求了上一个fixture函数first_entry(),
    # 并且把first_entry()的返回值,放进了列表[]里,最后返回
    return [first_entry]
def test_string(order):
    # Act
    # 测试函数中请求了第二个fixture函数order,可以拿到返回的[]
    order.append("b")
    # Assert
    assert order == ["a", "b"]


可以看到,pytest中的某个fixture请求别的fixture,就像测试函数请求fixture一样,所有的请求规则都适用。


同样,如果这些事情换我们自己来做的话,应该是下面这样子:


def first_entry():
    return "a"
def order(first_entry):
    return [first_entry]
def test_string(order):
    # Act
    order.append("b")
    # Assert
    assert order == ["a", "b"]
entry = first_entry()
the_list = order(first_entry=entry)
test_string(order=the_list)


二、Fixtures的复用性


pytest中的fixtures还可以让我们像使用普通函数一样,能够定义反复重用的通用setup步骤。


两个不同的测试函数可以请求相同的fixture,每个测试函数都会获得该fixture的各自结果。


这样的优点就是,确保不同的测试函数之间不会相互影响。


我们可以使用这种机制来确保每个测试函数都获得各自新的、干净的、一致的数据。


import pytest
# Arrange
@pytest.fixture
def first_entry():
    return "a"
# Arrange
@pytest.fixture
def order(first_entry):
    return [first_entry]
def test_string(order):
    # Act
    order.append("b")
    # Assert
    assert order == ["a", "b"]
def test_int(order):
    # Act
    order.append(2)
    # Assert
    assert order == ["a", 2]


从代码可以看出,fixture函数order虽然先后被两个测试函数调用,但是每次被调用给出的结果都是一样的。


并不会因为在测试函数test_string中,进行了order.append("b")后,就影响了order在测试函数test_int

中的返回值。


同样,这些事情换成我们自己来做,那就是这样的:


def first_entry():
    return "a"
def order(first_entry):
    return [first_entry]
def test_string(order):
    # Act
    order.append("b")
    # Assert
    assert order == ["a", "b"]
def test_int(order):
    # Act
    order.append(2)
    # Assert
    assert order == ["a", 2]
entry = first_entry()
the_list = order(first_entry=entry)
test_string(order=the_list)
entry = first_entry()
the_list = order(first_entry=entry)
test_int(order=the_list)


接下来,继续跟着官方文档解读fixtures的特点:一次请求多个fixtures、fixtures被多次请求。

相关文章
|
9月前
|
算法 图计算 容器
class050 双指针技巧与相关题目【算法】
class050 双指针技巧与相关题目【算法】
56 0
|
SQL 关系型数据库 MySQL
【笔记】开发指南—DDL语句—分库分表语法—CREATE INDEX
PolarDB-X支持创建局部索引和全局二级索引 (Global Secondary Index, GSI) ,同时支持删除这两种索引。
|
前端开发 .NET 开发框架
|
3天前
|
人工智能 自然语言处理 Shell
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
仅用3分钟,百炼调用满血版Deepseek-r1 API,享受百万免费Token。阿里云提供零门槛、快速部署的解决方案,支持云控制台和Cloud Shell两种方式,操作简便。Deepseek-r1满血版在推理能力上表现出色,尤其擅长数学、代码和自然语言处理任务,使用过程中无卡顿,体验丝滑。结合Chatbox工具,用户可轻松掌控模型,提升工作效率。阿里云大模型服务平台百炼不仅速度快,还确保数据安全,值得信赖。
129300 24
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
|
5天前
|
人工智能 API 网络安全
用DeepSeek,就在阿里云!四种方式助您快速使用 DeepSeek-R1 满血版!更有内部实战指导!
DeepSeek自发布以来,凭借卓越的技术性能和开源策略迅速吸引了全球关注。DeepSeek-R1作为系列中的佼佼者,在多个基准测试中超越现有顶尖模型,展现了强大的推理能力。然而,由于其爆火及受到黑客攻击,官网使用受限,影响用户体验。为解决这一问题,阿里云提供了多种解决方案。
16143 37
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
4天前
|
并行计算 PyTorch 算法框架/工具
本地部署DeepSeek模型
要在本地部署DeepSeek模型,需准备Linux(推荐Ubuntu 20.04+)或兼容的Windows/macOS环境,配备NVIDIA GPU(建议RTX 3060+)。安装Python 3.8+、PyTorch/TensorFlow等依赖,并通过官方渠道下载模型文件。配置模型后,编写推理脚本进行测试,可选使用FastAPI服务化部署或Docker容器化。注意资源监控和许可协议。
1174 8
|
13天前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
3335 117
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
|
8天前
|
人工智能 自然语言处理 API
DeepSeek全尺寸模型上线阿里云百炼!
阿里云百炼平台近日上线了DeepSeek-V3、DeepSeek-R1及其蒸馏版本等六款全尺寸AI模型,参数量达671B,提供高达100万免费tokens。这些模型在数学、代码、自然语言推理等任务上表现出色,支持灵活调用和经济高效的解决方案,助力开发者和企业加速创新与数字化转型。示例代码展示了如何通过API使用DeepSeek-R1模型进行推理,用户可轻松获取思考过程和最终答案。

热门文章

最新文章