pytestfixture参数化的使用详解

一、fixture参数化是什么？

fixture参数化是Pytest的一个功能，用于简化测试的编写。在测试中，经常需要使用一些公共的配置和资源，比如定义一些变量、打开数据库连接、定义一个HTTP请求等操作。将这些通用的配置和资源封装在fixture中，只需要在需要的测试用例中调用即可。参数化则可以在运行测试用例时自动将一组或多组参数传递给fixture，以方便在测试中使用。

二、fixture参数化的使用场景

fixture参数化可以用于测试用例之前或之后的操作，同时也可以用于数据驱动测试。下面分几个场景进行讲解。

1. fixture参数化用于测试用例之前的操作

有些测试用例需要在运行前进行一些预处理操作，比如读取文件、建立数据库连接等。使用fixture可以将这些预处理的操作封装进去，在测试用例中直接调用即可。例如：

import pytest

@pytest.fixture
def prepare_data():
    data = {'name': 'Tom', 'age': 20, 'gender': 'male'}
    return data

def test_case1(prepare_data):
    assert prepare_data['name'] == 'Tom'
    assert prepare_data['age'] > 0
    assert prepare_data['gender'] == 'male'

在上面的例子中，prepare_data是一个fixture，返回了一个字典类型的数据data。在test_case1测试用例中，直接调用prepare_data即可获取data。

2. fixture参数化用于测试用例之后的操作

有些测试用例需要在运行后进行一些清理操作，比如关闭数据库连接、删除文件等。同样可以使用fixture将这些操作进行封装，在测试用例中调用。例如：

import pytest

@pytest.fixture
def prepare_data():
    data = {'name': 'Tom', 'age': 20, 'gender': 'male'}
    yield data
    print('Clear data')

def test_case1(prepare_data):
    assert prepare_data['name'] == 'Tom'
    assert prepare_data['age'] > 0
    assert prepare_data['gender'] == 'male'

在上面的例子中，prepare_data是一个fixture，使用yield关键字可以将清理操作写在yield之后，这样在测试用例运行完毕后自动执行清理操作。

3. fixture参数化用于数据驱动测试

数据驱动测试是一种测试方法，通过将不同的数据传递给同一个测试用例来验证不同的场景。可以使用fixture参数化实现数据驱动测试，例如：

import pytest

@pytest.fixture(params=[('Tom', 20, 'male'), ('Jerry', 30, 'female')])
def prepare_data(request):
    return {'name': request.param[0], 'age': request.param[1], 'gender': request.param[2]}

def test_case1(prepare_data):
    assert prepare_data['name'] != ''
    assert prepare_data['age'] > 0
    assert prepare_data['gender'] in ('male', 'female')

在上面的例子中，prepare_data是一个fixture，使用params参数给fixture传递了两组测试数据。request.param可以获取当前参数化的值，将其转换成字典格式即可传递给测试用例。

三、fixture参数化的使用注意点

在使用fixture参数化时，需要注意以下几点：

1. fixture的scope

fixture有4种scope，用于指定fixture的作用域。scope的取值包括：function（默认）、class、module、session。分别表示fixture的作用域是函数级别、类级别、模块级别、会话级别。在fixture中进行一些全局的配置或者数据准备时，可以选择模块级别或会话级别作用域。

import pytest

@pytest.fixture(scope="module")
def prepare_data():
    data = ['Tom', 'Jerry', 'Alice']
    return data

def test_case1(prepare_data):
    assert prepare_data[0] == 'Tom'

def test_case2(prepare_data):
    assert prepare_data[1] == 'Jerry'

2. fixture的依赖关系

在定义fixture时，可以指定它依赖于其他的fixture。这样，在测试用例中使用当前fixture时，所依赖的fixture会自动被调用。

import pytest

@pytest.fixture
def prepare_data():
    data = {'name': 'Tom', 'age': 20, 'gender': 'male'}
    return data

@pytest.fixture
def config():
    return {'url': 'http://127.0.0.1', 'port': 8080}

@pytest.fixture
def db(config):
    db = 'mysql://{0}:{1}'.format(config['url'], config['port'])
    return db

def test_case1(db, prepare_data):
    assert prepare_data['name'] == 'Tom'
    print(db)

在上面的例子中，db的定义依赖于config，因此在db调用时会自动调用config。在测试用例test_case1中调用db和prepare_data时，会自动调用所依赖的fixture。

3. fixture参数化的优先级

在参数化时，可以使用pytest.mark.parametrize()函数来指定fixture的值，这样可以覆盖fixture中的默认值。需要注意的是，fixture的优先级高于parametrize，即如果对同一个fixture同时指定了默认值和参数化值，则会使用fixture的默认值。

import pytest

@pytest.fixture
def prepare_data():
    data = {'name': 'Tom', 'age': 20, 'gender': 'male'}
    return data

@pytest.mark.parametrize('prepare_data', [{'name': 'Jerry', 'age': 30, 'gender': 'female'}])
def test_case1(prepare_data):
    assert prepare_data['name'] == 'Jerry'
    assert prepare_data['age'] == 30
    assert prepare_data['gender'] == 'female'

在上面的例子中，prepare_data定义了一个默认值，又使用parametrize函数对其进行了参数化。但是由于fixture的优先级高于parametrize，所以最终使用的是fixture的默认值。

四、小结

在使用Pytest进行测试时，fixture是一个非常常用的功能，可以用于简化测试用例的编写，同时可以实现数据驱动测试和测试用例的前置和后置处理。在使用fixture参数化时，需要注意fixture的作用域、依赖关系和参数化的优先级等问题，以保证测试用例的正确运行。