【pytest官方文档】解读- 如何自定义mark标记,并将测试用例的数据传递给fixture函数

简介: 【pytest官方文档】解读- 如何自定义mark标记,并将测试用例的数据传递给fixture函数

在之前的分享中,我们知道可以使用yield或者return关键字把fixture函数里的值传递给test函数


这种方法很实用,比如我在fixture函数里向数据库里插入必要的测试数据,那我就可以把相关数据返回给test函数用来做相关断言查询等操作。


那如果我想把test函数(也就是测试用例)中的数据传给fixture函数使用,要如何实现呢?


直接先贴上一段示例代码:


import pytest
@pytest.fixture
def fixt(request):
    marker = request.node.get_closest_marker("fixt_data")
    if marker is None:
        # Handle missing marker in some way...
        data = None
    else:
        data = marker.args[0]
    # Do something with the data
    return data
@pytest.mark.fixt_data(42)
def test_fixt(fixt):
    assert fixt == 42


一、前置知识


代码中可能有2个知识点,可能有的小伙伴并不熟悉,分别来看下。


1. Mark 标记


什么是mark标记,干什么用?


标记可以将元数据应用于测试函数(注意,不能是fixture函数),后续可以通过fixture函数或者plugins插件进行访问。


框架有一些内置的marks,也可以支持我们自定义


内置的在之前的系列分享中有出现过几个,比如:


  • pytest.mark.parametrize:参数化
  • pytest.mark.skip:跳过测试用例
  • pytest.mark.skipif: 根据条件跳过用例

其他就不展开了,上述提到的分享文章链接会附在文末。


而在上述示例代码中,pytest.mark.fixt_data则是属于自定义的mark标记,fixt_data我也可以改成fixt_pingguo也是可以的。


2. request


request本身也是一个fixture函数,但是很特殊,用于提供当前正在执行请求的上下文信息。


在上述示例代码中,测试函数test_fixt请求了fixture函数fixt,那么在这次请求中相关联到的信息就可以在request中获得。


比如:


  • fixturename: 当前这个fixture函数的名称
  • module: 当前测试函数所在的模块
  • scope:当前fixture函数作用范围
  • node:基于当前测试范围搜集到的底层节点对象,这里又包含了很多信息。
    ...


就不一一展开了,有兴趣的童鞋可以在编辑器里打个断点,查看对应的信息详情。


1268169-20220904204505732-1937635885.png


二、通过自定义mark传递数据


回到示例代码,我们可以先直接执行一下代码。


1268169-20220904205040998-442273743.png


测试是通过的(warning先忽略,因为没有注册自定义的mark),也就是说@pytest.mark.fixt_data(42)中的42是成功的带到了fixture函数中,经过函数中的处理后最后返回出来。


其中的get_closest_marker("fixt_data")方法,是返回与名称fixt_data匹配的第一个mark,从最近的级别到更远的级别,比如从函数到模块级别。

所以在这里,被找到的mark就是我们自定义的这个@pytest.mark.fixt_data(42)标记了。


1. 自定义mark知识点

标记是使用工厂对象pytest.mark动态创建的,用于装饰器,所以我们可以用语法糖@直接使用即可。


mark对象被创建之后,就被会收集起来,然后可以通过fixture或带有Node.iter_markers的钩子函数访问,可以访问到这个mark对象的属性。

有 2 个属性:


  • mark.args:这是个元组
  • mark.kwargs:这是个字典


所以我们可以使用上面的方式来进行传参,比如现在新建一个自定义mark:


@pytest.mark.timeout(10, "slow", method="thread")
def test_function():
    ...


这里传参实际上就是


mark.args == (10, "slow")
mark.kwargs == {"method": "thread"}


回到最上方的示例代码,在fixture函数中就可以使用data = marker.args[0]来获取到参数42

如果在测试函数上同时使用了多个自定义mark,那么举例测试函数最近的mark就会被首先迭代。比如:


@pytest.mark.timeout(10, "slow", method="thread")
@pytest.mark.slow
def test_function():
    ...


结果就是先@pytest.mark.slow,然后是@pytest.mark.timeout


2. 注册自定义的mark


在运行最上方的示例代码时出现了一个warning,因为我们没有注册自定义的标记导致,现在来进行注册。

新建pytest.ini配置文件,在里面添加即可:


[pytest]
markers =
    fixt_data: pingguo test
    fixt_data2


这里冒号:后面的描述是可选的,比如fixt_data2就是没有添加描述。

重新执行下最上方的代码:


platform win32 -- Python 3.9.12, pytest-7.1.3, pluggy-1.0.0
rootdir: D:\PythonCode\my_python, configfile: pytest.ini
collected 1 item
usemarks.py .
============================== 1 passed in 0.00s ==============================
Process finished with exit code 0


注册完成。

pytest合集见链接

相关文章
|
27天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法。本文介绍 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,同时提供 Python 实现示例,强调其在确保项目性能和用户体验方面的关键作用。
31 6
|
29天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段。本文介绍了 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,强调了样本量、随机性和时间因素的重要性,并展示了 Python 在 A/B 测试中的具体应用实例。
30 1
|
2月前
|
存储 测试技术 数据库
数据驱动测试和关键词驱动测试的区别
数据驱动测试 数据驱动测试或 DDT 也被称为参数化测试。
37 1
|
2月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
564 0
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
149 0
|
2月前
|
机器学习/深度学习 JSON 算法
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
本文介绍了DeepLab V3在语义分割中的应用,包括数据集准备、模型训练、测试和评估,提供了代码和资源链接。
311 0
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
|
2月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
66 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 XML 并行计算
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程,包括数据准备、模型训练、验证和测试。
242 0
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
6天前
|
监控 JavaScript 测试技术
postman接口测试工具详解
Postman是一个功能强大且易于使用的API测试工具。通过详细的介绍和实际示例,本文展示了Postman在API测试中的各种应用。无论是简单的请求发送,还是复杂的自动化测试和持续集成,Postman都提供了丰富的功能来满足用户的需求。希望本文能帮助您更好地理解和使用Postman,提高API测试的效率和质量。
40 11
|
1月前
|
JSON Java 测试技术
SpringCloud2023实战之接口服务测试工具SpringBootTest
SpringBootTest同时集成了JUnit Jupiter、AssertJ、Hamcrest测试辅助库,使得更容易编写但愿测试代码。
63 3