本文目錄一覽：
python自動測試Pytest中Fixture裝飾器
可以使用 pytest.fixture() 查看 fixture() 函數的源碼和所需要的參數，同Fixture裝飾器需要的參數一樣。
說明：
使用Fixture裝飾器來實現部分用例的前後置。
比如：我們在測試一個操作流程時，有的測試用例需要登陸，有的測試用例執行不需要用戶登陸。
如果要直接使用 setup_function() 前置函數來實現，該文件中的所有用例執行前都需要進行用戶登陸。
如下示例：
我們可以使用Fixture裝飾器來實現部分用例的前後置，如下示例：
前面的示例，是在用例前加前置條件，相當於執行了 setup() 前置函數，既然有 setup() 前置函數那就會有 teardown() 後置函數，Fixture裡面的 teardown() 後置函數用 yield 來喚醒。
示例：
yield 是當用例執行完之後，會執行 yield 後面的代碼，但用例不能有 return 返回值。
addfinalizer 實現功能跟 yield 一樣，但是用例可以 return 參數，傳給後面用例。
示例1：
示例2：
示例3：
使用 yield 也可以返回數據。（這種方式好神奇）
上面例子是帶返回值並且還要實現 teardown() 後置函數的Fixture寫法。
這裡就是單純的說明帶返回值的Fixture。
我們可以選擇讓Fixture返回我們需要的東西，如果Fixture需要配置一些數據，讀個文件，或者連接一個資料庫，那麼你可以讓Fixture返回這些數據或資源。
示例：
Fixture修飾的函數可以通過添加 params 參數來實現參數化。（實際工作中，不常用此方式）
request 代表Fixture的調用狀態， request.param 作為返回值供測試使用。
示例：
參數是一個元組列表格式的數據。
總結： params 參數支持的格式。
@pytest.mark.usefixtures(“fixturename”) 裝飾類也是一種調用Fixture的方式。
@pytest.mark.usefixtures(“fixturename”) 裝飾類可以裝飾模塊、類、函數、方法。
usefixtures 與傳 fixture 區別：
如果Fixture有返回值，則不能用 @pytest.mark.usefixtures(“fixturename”) 裝飾器修飾用例。
如果Fixture沒有返回值，用 @pytest.mark.usefixtures(“fixturename”) 裝飾器和 @pytest.fixture() 裝飾器作用一樣。
示例：
python 帶可變參數的裝飾器怎麼用
裝飾器本身是用來是為一個函數是實現新的功能，並且不改變原函數的代碼以及調用方式。
遇到這樣一種問題：
眾多函數調用了你寫的裝飾器，但客戶有需求說，我想實現我可以隨之控制裝飾器是否生效。
那你就不可能在得到命令的時候去原函數頭部去做刪除和添加裝飾器調用的命令。這是就可以用到帶參數的裝飾器，定義一個開關，調用裝飾器的時候，把這個裝飾器的開關參數給傳遞進去，這樣當開關打開的時候裝飾器生效，關閉的時候則只執行原函數的代碼。
舉例：開關參數為True的時候執行過程：
F = True #step 1 裝飾器的開關變數
def outer(flag): #step 2
def wrapper(func): #step 4
def inner(*args,**kwargs): #stpe 6
if flag: #step 9
print(‘before’) #step 10
ret = func(*args,**kwargs) #step 11 執行原函數
print(‘after’) #step13
else:
ret = func(*args,**kwargs)
print(‘123’)
return ret #step 14
return inner #step 7
return wrapper #step 5
@outer(F) #先執行step 3 ：outer(True)這個函數，然後step 6：@wrapper #此處把開關參數傳遞給裝飾器函數
def hahaha():
pass #step 12
hahaha() # step 8 相當於inner()
開關參數為False的時候執行過程：
F = False #stpe1 裝飾器的開關變數
def outer(flag): #step 2
def wrapper(func): #step 4
def inner(*args,**kwargs): #stpe 6
if flag: #step 9
print(‘before’)
ret = func(*args,**kwargs)
print(‘after’)
else:
ret = func(*args,**kwargs) #step 10 執行原函數
print(‘123’) #step 12
return ret #step 13
return inner #step 7
return wrapper #step 5
python裝飾器有什麼用
先來個形象比方
內褲可以用來遮羞，但是到了冬天它沒法為我們防風禦寒，聰明的人們發明了長褲，有了長褲後寶寶再也不冷了，裝飾器就像我們這裡說的長褲，在不影響內褲作用的前提下，給我們的身子提供了保暖的功效。
再回到我們的主題
裝飾器本質上是一個Python函數，它可以讓其他函數在不需要做任何代碼變動的前提下增加額外功能，裝飾器的返回值也是一個函數對象。它經常用於有切面需求的場景，比如：插入日誌、性能測試、事務處理、緩存、許可權校驗等場景。裝飾器是解決這類問題的絕佳設計，有了裝飾器，我們就可以抽離出大量與函數功能本身無關的雷同代碼並繼續重用。概括的講，裝飾器的作用就是為已經存在的對象添加額外的功能。
先來看一個簡單例子：
def foo():
print(‘i am foo’)
現在有一個新的需求，希望可以記錄下函數的執行日誌，於是在代碼中添加日誌代碼：
def foo():
print(‘i am foo’)
logging.info(“foo is running”)
bar()、bar2()也有類似的需求，怎麼做？再寫一個logging在bar函數里？這樣就造成大量雷同的代碼，為了減少重複寫代碼，我們可以這樣做，重新定義一個函數：專門處理日誌 ，日誌處理完之後再執行真正的業務代碼
def use_logging(func):
logging.warn(“%s is running” % func.__name__)
func()def bar():
print(‘i am bar’)use_logging(bar)
邏輯上不難理解，
但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。
簡單裝飾器
def use_logging(func):
def wrapper(*args, **kwargs):
logging.warn(“%s is running” % func.__name__)
return func(*args, **kwargs)
return wrapperdef bar():
print(‘i am bar’)bar = use_logging(bar)bar()
函數use_logging就是裝飾器，它把執行真正業務方法的func包裹在函數裡面，看起來像bar被use_logging裝飾了。在這個例子中，函數進入和退出時
，被稱為一個橫切面(Aspect)，這種編程方式被稱為面向切面的編程(Aspect-Oriented Programming)。
@符號是裝飾器的語法糖，在定義函數的時候使用，避免再一次賦值操作
def use_logging(func):
def wrapper(*args, **kwargs):
logging.warn(“%s is running” % func.__name__)
return func(*args)
return wrapper@use_loggingdef foo():
print(“i am foo”)@use_loggingdef bar():
print(“i am bar”)bar()
如上所示，這樣我們就可以省去bar =
use_logging(bar)這一句了，直接調用bar()即可得到想要的結果。如果我們有其他的類似函數，我們可以繼續調用裝飾器來修飾函數，而不用重複修改函數或者增加新的封裝。這樣，我們就提高了程序的可重複利用性，並增加了程序的可讀性。
裝飾器在Python使用如此方便都要歸因於Python的函數能像普通的對象一樣能作為參數傳遞給其他函數，可以被賦值給其他變數，可以作為返回值，可以被定義在另外一個函數內。
帶參數的裝飾器
裝飾器還有更大的靈活性，例如帶參數的裝飾器：在上面的裝飾器調用中，比如@use_logging，該裝飾器唯一的參數就是執行業務的函數。裝飾器的語法允許我們在調用時，提供其它參數，比如@decorator(a)。這樣，就為裝飾器的編寫和使用提供了更大的靈活性。
def use_logging(level):
def decorator(func):
def wrapper(*args, **kwargs):
if level == “warn”:
logging.warn(“%s is running” % func.__name__)
return func(*args)
return wrapper
return decorator@use_logging(level=”warn”)def foo(name=’foo’):
print(“i am %s” % name)foo()
上面的use_logging是允許帶參數的裝飾器。它實際上是對原有裝飾器的一個函數封裝，並返回一個裝飾器。我們可以將它理解為一個含有參數的閉包。當我
們使用@use_logging(level=”warn”)調用的時候，Python能夠發現這一層的封裝，並把參數傳遞到裝飾器的環境中。
類裝飾器
再來看看類裝飾器，相比函數裝飾器，類裝飾器具有靈活度大、高內聚、封裝性等優點。使用類裝飾器還可以依靠類內部的\_\_call\_\_方法，當使用 @ 形式將裝飾器附加到函數上時，就會調用此方法。
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
print (‘class decorator runing’)
self._func()
print (‘class decorator ending’)
@Foo
def bar():
print (‘bar’)
bar()
functools.wraps
使用裝飾器極大地復用了代碼，但是他有一個缺點就是原函數的元信息不見了，比如函數的docstring、__name__、參數列表，先看例子：
裝飾器
def logged(func):
def with_logging(*args, **kwargs):
print func.__name__ + ” was called”
return func(*args, **kwargs)
return with_logging
函數
@loggeddef f(x):
“””does some math”””
return x + x * x
該函數完成等價於：
def f(x):
“””does some math”””
return x + x * xf = logged(f)
不難發現，函數f被with_logging取代了，當然它的docstring，__name__就是變成了with_logging函數的信息了。
print f.__name__ # prints ‘with_logging’print f.__doc__ # prints None
這個問題就比較嚴重的，好在我們有functools.wraps，wraps本身也是一個裝飾器，它能把原函數的元信息拷貝到裝飾器函數中，這使得裝飾器函數也有和原函數一樣的元信息了。
from functools import wrapsdef logged(func):
@wraps(func)
def with_logging(*args, **kwargs):
print func.__name__ + ” was called”
return func(*args, **kwargs)
return with_logging@loggeddef f(x):
“””does some math”””
return x + x * xprint f.__name__ # prints ‘f’print f.__doc__ # prints ‘does some math’
內置裝飾器
@staticmathod、@classmethod、@property
裝飾器的順序
@a@b@cdef f ():
等效於
f = a(b(c(f)))
請教Python 使用裝飾器實現單例模式的原理
簡單來講，可以不嚴謹地把Python的裝飾器看做一個包裝函數的函數。 比如，有一個函數： def func(): print ‘func() run.’ if ‘__main__’ == __name__: func() 運行後將輸出: func() run. 現在需要在函數運行前後列印一條日誌
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/284594.html
微信掃一掃 
支付寶掃一掃 