pytestfixture參數化的使用詳解

一、fixture參數化是什麼？

fixture參數化是Pytest的一個功能，用於簡化測試的編寫。在測試中，經常需要使用一些公共的配置和資源，比如定義一些變量、打開數據庫連接、定義一個HTTP請求等操作。將這些通用的配置和資源封裝在fixture中，只需要在需要的測試用例中調用即可。參數化則可以在運行測試用例時自動將一組或多組參數傳遞給fixture，以方便在測試中使用。

二、fixture參數化的使用場景

fixture參數化可以用於測試用例之前或之後的操作，同時也可以用於數據驅動測試。下面分幾個場景進行講解。

1. fixture參數化用於測試用例之前的操作

有些測試用例需要在運行前進行一些預處理操作，比如讀取文件、建立數據庫連接等。使用fixture可以將這些預處理的操作封裝進去，在測試用例中直接調用即可。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是一個fixture，返回了一個字典類型的數據data。在test_case1測試用例中，直接調用prepare_data即可獲取data。

2. fixture參數化用於測試用例之後的操作

有些測試用例需要在運行後進行一些清理操作，比如關閉數據庫連接、刪除文件等。同樣可以使用fixture將這些操作進行封裝，在測試用例中調用。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是一個fixture，使用yield關鍵字可以將清理操作寫在yield之後，這樣在測試用例運行完畢後自動執行清理操作。

3. fixture參數化用於數據驅動測試

數據驅動測試是一種測試方法，通過將不同的數據傳遞給同一個測試用例來驗證不同的場景。可以使用fixture參數化實現數據驅動測試，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是一個fixture，使用params參數給fixture傳遞了兩組測試數據。request.param可以獲取當前參數化的值，將其轉換成字典格式即可傳遞給測試用例。

三、fixture參數化的使用注意點

在使用fixture參數化時，需要注意以下幾點：

1. fixture的scope

fixture有4種scope，用於指定fixture的作用域。scope的取值包括：function（默認）、class、module、session。分別表示fixture的作用域是函數級別、類級別、模塊級別、會話級別。在fixture中進行一些全局的配置或者數據準備時，可以選擇模塊級別或會話級別作用域。

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的依賴關係

在定義fixture時，可以指定它依賴於其他的fixture。這樣，在測試用例中使用當前fixture時，所依賴的fixture會自動被調用。

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的定義依賴於config，因此在db調用時會自動調用config。在測試用例test_case1中調用db和prepare_data時，會自動調用所依賴的fixture。

3. fixture參數化的優先級

在參數化時，可以使用pytest.mark.parametrize()函數來指定fixture的值，這樣可以覆蓋fixture中的默認值。需要注意的是，fixture的優先級高於parametrize，即如果對同一個fixture同時指定了默認值和參數化值，則會使用fixture的默認值。

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定義了一個默認值，又使用parametrize函數對其進行了參數化。但是由於fixture的優先級高於parametrize，所以最終使用的是fixture的默認值。

四、小結

在使用Pytest進行測試時，fixture是一個非常常用的功能，可以用於簡化測試用例的編寫，同時可以實現數據驅動測試和測試用例的前置和後置處理。在使用fixture參數化時，需要注意fixture的作用域、依賴關係和參數化的優先級等問題，以保證測試用例的正確運行。