Pytest

学习笔记
1

Pytest 命名规则

类型 规则
文件 test_开头 或者 _test 结尾
类 Test 开头
方法/函数 test_开头
注意：测试类中不可以添加__init__构造函数

注意：pytest对于测试包的命名没有要求

方法：类中定义的函数

函数：类外面定义的函数

谷歌风格开源项目风格指南：

https://zh-google-styleguide.readthedocs.io/en/latest/google-python-styleguide/python_style_rules/

Pytest用例断言

断言的概念

断言(assert)，是一种在程序中的一阶逻辑(如：一个结果为真或假的逻辑判断式)，目的为了表示与验证软件开发者预期的结果。当程序执行到断言的位置时，对应的断言应该为真。若断言不为真时，程序会中止执行，并给出错误信息。

img

断言的用法

  • 断言写法
    • assert <表达式>
    • assert <表达式>,<描述>
assert <bool expression>;       
assert <bool expression> : <message>;

示例一

def test_a():
    assert True

def test_b():
    a = 1
    b = 1
    c = 2
    assert a + b == c, f"{a}+{b}=={c}, 结果为真"

示例二

def test_c():
    a = 1
    b = 1
    c = 2
    assert 'abc' in "abcd"

import sys
def test_plat():
    assert ('linux' in sys.platform), "该代码只能在 Linux 下执行"

Pytest测试框架结构（setup/teardown）

测试装置介绍

类型 规则
setup_module/teardown_module 全局模块级
setup_class/teardown_class 类级，只在类中前后运行一次
setup_function/teardown_function 函数级，在类外
setup_method/teardown_method 方法级，类中的每个方法执行前后
setup/teardown 在类中，运行在调用方法的前后（重点）

Pyrest参数化用例

参数化

  • 通过参数的方式传递数据，从而实现数据和脚本分离。
  • 并且可以实现用例的重复生成与执行。

参数化测试函数使用

单参数情况

  • 单参数，可以将数据放在列表中
search_list = ['appium','selenium','pytest']

@pytest.mark.parametrize('name',search_list)
def test_search(name):
    assert name in search_list

多参数情况

  • 将数据放在列表嵌套元组中
  • 将数据放在列表嵌套列表中
# 数据放在元组中
@pytest.mark.parametrize("test_input,expected",[
    ("3+5",8),("2+5",7),("7+5",12)
])
def test_mark_more(test_input,expected):
    assert eval(test_input) == expected
# 数据放在列表中
@pytest.mark.parametrize("test_input,expected",[
    ["3+5",8],["2+5",7],["7+5",12]
])
def test_mark_more(test_input,expected):
    assert eval(test_input) == expected

用例重命名-添加 ids 参数

  • 通过ids参数，将别名放在列表中
@pytest.mark.parametrize("test_input,expected",[
    ("3+5",8),("2+5",7),("7+5",12)
],ids=['add_3+5=8','add_2+5=7','add_3+5=12'])
def test_mark_more(test_input,expected):
    assert eval(test_input) == expected

用例重命名-添加 ids 参数（中文）

@pytest.mark.parametrize("test_input,expected",[
    ("3+5",8),("2+5",7),("7+5",12)
],ids=["3和5相加","2和5相加","7和5相加"])
def test_mark_more(test_input,expected):
    assert eval(test_input) == expected

ids不支持中文，默认是unicode编码格式，可以用如下方法转换

# 在项目（最末一级）下创建conftest.py 文件 ，将下面内容添加进去，运行脚本
def pytest_collection_modifyitems(items):
    """
    测试用例收集完成时，将收集到的用例名name和用例标识nodeid的中文信息显示在控制台上
    """
    for i in items:
        i.name=i.name.encode("utf-8").decode("unicode_escape")
        i._nodeid=i.nodeid.encode("utf-8").decode("unicode_escape")

笛卡尔积

接口测试中用的较多，因为接口的值很多

  • 两组数据
    • a=[1,2,3]
    • b=[a,b,c]
  • 对应有几种组合形势 ？
    • (1,a),(1,b),(1,c)
    • (2,a),(2,b),(2,c)
    • (3,a),(3,b),(3,c)
@pytest.mark.parametrize("b",["a","b","c"])
@pytest.mark.parametrize("a",[1,2,3])
def test_param1(a,b):
    print(f"笛卡积形式的参数化中 a={a} , b={b}")

执行方向：由近致远

使用 Mark 标记测试用例

Mark：标记测试用例

  • 场景:只执行符合要求的某一部分用例 可以把一个web项目划分多个模块，然后指定模块名称执行。
  • 解决: 在测试用例方法上加 @pytest.mark.标签名
  • 执行: -m 执行自定义标记的相关用例
    • pytest -s 文件名 -m=webtest
    • pytest -s test_mark_zi_09.py -m apptest
    • pytest -s test_mark_zi_09.py -m "not ios"（必须要是双引号）
    • pytest -v是能输出更详细的用例信息，成功与失败不再是.和F

如何解决warnings问题

[pytest]
# 在项目目录下创建一个pytest.ini放标签，这样这些标签就不会warning。而且要换行写，也不要顶头写，会被认为是key
# 在这里注册好标签名后，pytest可以识别
markers = str
          bignum
          float
          int
          minus
          zero

pytest 设置跳过、预期失败

Mark：跳过(Skip)及预期失败(xFail)

  • 这是 pytest 的内置标签，可以处理一些特殊的测试用例，不能成功的测试用例
  • skip - 始终跳过该测试用例
  • skipif - 遇到特定情况跳过该测试用例
  • xfail - 遇到特定情况,产生一个“期望失败”输出

Skip 使用场景

  • 调试时不想运行这个用例
  • 标记无法在某些平台上运行的测试功能
  • 在某些版本中执行，其他版本中跳过
  • 比如：当前的外部资源不可用时跳过
    • 如果测试数据是从数据库中取到的，
    • 连接数据库的功能如果返回结果未成功就跳过，因为执行也都报错
  • 解决 1：添加装饰器
    • @pytest.mark.skip
    • @pytest.mark.skipif
  • 解决 2：代码中添加跳过代码
    • pytest.skip(reason)
# 形式一：跳过这个方法
@pytest.mark.skip(reason="存在bug")
def test_double_str():
    print("代码未开发完")
    assert 'aa' == 'aa'


# 形式二：跳过这个方法
@pytest.mark.skipif(sys.platform == "win32", reason="does not run on win32")
def test_case():
    print(sys.platform)
    assert True
    
    
# 形式二：在代码中跳过代码
def check_login():
    return False

def test_double_str():
    print("start")
    if not check_login():
        pytest.skip("未登录，不进行下去")
    print("end")
# ============================= 1 skipped in 0.02s ======

xfail 使用场景

用于标记此用例可能会失败，当脚本失败时，测试报告也不会打印错误追踪，只是会显示xfail状态。xfail的主要作用是比如在进行测试提前时,当产品某功能尚未开发完成而进行自动化脚本开发,当然此时也可以把这些脚本注释起来,但这不是pytest推荐的做法,pytest推荐使用xfail标记,如此则虽然产品功能尚未开发完成,但是自动化脚本已经可以跑起来了,只不过在测试报告中会显示xfail而已。

  • 与 skip 类似 ，预期结果为 fail ，标记用例为 fail
  • 与skip不同，xfail标记的用例依然会被执行，如果执行成功就返回XPASS，执行失败就返回XFAIL。只是起到一个提示的作用。
  • 用法：添加装饰器@pytest.mark.xfail 
@pytest.mark.xfail
def test_case():
    print("test_xfail 方法执行")
    assert 2 == 2
# XPASS                                   [100%]test_xfail 


@pytest.mark.xfail
def test_case():
    print("test_xfail 方法执行")
    assert 1 == 2
    
# XFAIL                                            [100%]test_xfail 方法执行


xfail = pytest.mark.xfail
@xfail(reason="bug 110")
def test_case():
    print("test_xfail 方法执行")
    assert 1 == 2

# XFAIL (bug 110)                                  [100%]test_xfail 方法执行

pytest 运行用例-命令行

参数介绍

运行多条用例方式

如果要进入某个文件所在的目录终端，可以右键文件->选择open in terminal

  • 执行包下所有的用例：pytest/py.test [包名]
  • 执行单独一个 pytest 模块：pytest 文件名.py
  • 运行某个模块里面某个类：pytest 文件名.py::类名
  • 运行某个模块里面某个类里面的方法：pytest 文件名.py::类名::方法名
  • 加-v可以具体展示，如pytest -v 文件名.py::类名::方法名 （-v在前在后都行）
    • test_skip.py::TestDemo::test_demo1 PASSED [100%]

运行结果分析

  • 常用的：fail/error/pass（error可能是代码写错了）
  • 特殊的结果：warning/deselect（后面会讲）

pytest 测试用例调度与运行

命令行参数-使用缓存状态

  • --lf（--last-failed） 只重新运行故障。
  • --ff（--failed-first） 先运行故障然后再运行其余的测试

例如 pytest --lf

常用命令行参数

—help 
-x   用例一旦失败(fail/error)，就立刻停止执行
--maxfail=num 用例达到num个失败就停止
-m  标记用例
-k "关键字" 执行包含某个关键字的测试用例(windows一定要用双引号)
-v 打印详细日志
-s 打印输出日志（一般-vs一块儿使用）
—collect-only 只收集不运行（测试平台，pytest 自动导入功能 ）

-s：默认情况下，pytest在运行测试时将禁止标准输出（stdout）和标准错误（stderr）的输出。但是，使用了 -s 参数后，pytest将允许测试中的打印语句、错误信息等在控制台上显示出来。

建议使用命令行的方式执行，因为后期做持续集成都会使用命令行的方式

python 执行 pytest

前面已经介绍了几种执行用例的方法，一个是点击代码方法或类的左侧绿色箭头，一个是右键测试用例，一个是终端pytest解释器执行，我们也可以用python解释器执行

Python 代码执行 pytest

  • 方法一：使用 main 函数
  • 方法二：使用 python -m pytest 调用 pytest（jenkins 持续集成用到），相当于在原来pytest 用例前加了python -m。
    • 方便指定python版本，比如有的用例使用python老版本写的

Python 代码执行 pytest - main 函数

if __name__ == '__main__':
    # 1、运行当前目录下所有符合规则的用例，包括子目录（test_*.py 和 *_test.py）
    pytest.main()
    # 2、运行test_mark1.py::test_dkej模块中的某一条用例
    pytest.main(['test_mark1.py::test_dkej','-vs'])
    # 3、运行某个 标签
    pytest.main(['test_mark1.py','-vs','-m','dkej'])

运行方式
  `python test_*.py `

pytest 异常处理

异常处理方法 try …except

try:
    可能产生异常的代码块
except [ (Error1, Error2, ... ) [as e] ]:
    处理异常的代码块1
except [ (Error3, Error4, ... ) [as e] ]:
    处理异常的代码块2
except  [Exception]:
    处理其它异常

异常处理方法 pytest.raise()

  • 可以捕获特定的异常
  • 获取捕获的异常的细节（异常类型，异常信息）
  • 发生异常，后面的代码将不会被执行
def test_raise():
    with pytest.raises(ValueError, match='must be 0 or None'):
        raise ValueError("value must be 0 or None")

def test_raise1():
    with pytest.raises(ValueError) as exc_info:
        raise ValueError("value must be 42")
    assert exc_info.type is ValueError
    assert exc_info.value.args[0] == "value must be 42"

这样可以选择一个异常

 def test_raise():
    with pytest.raises((ZeroDivisionError,ValueError)):
        raise ZeroDivisionError("value must be 0 or None")

Pytest 结合数据驱动

工程目录结构（看项目文件datadriver_。。）

  • data 目录：存放 yaml 数据文件
  • func 目录：存放被测函数文件
  • testcase 目录：存放测试用例文件
# 工程目录结构
.
├── data
│   └── data.文件格式
├── func
│   ├── __init__.py
│   └── operation.py
└── testcase
    ├── __init__.py
    └── test_add.py

Pytest 结合数据驱动 YAML

数据驱动

  • 什么是数据驱动？
    • 数据驱动就是数据的改变从而驱动自动化测试的执行，最终引起测试结果的改变。简单来说，就是参数化的应用。数据量小的测试用例可以使用代码的参数化来实现数据驱动，数据量大的情况下建议大家使用一种结构化的文件(例如 yaml，json 等)来对数据进行存储，然后在测试用例中读取这些数据。
  • 应用：
    • App、Web、接口自动化测试
    • 测试步骤的数据驱动
    • 测试数据的数据驱动
    • 配置的数据驱动

yaml 文件介绍

  • 对象：键值对的集合，用冒号 “:” 表示
  • 数组：一组按次序排列的值，前加 “-”
  • 纯量：单个的、不可再分的值
    • 字符串
    • 布尔值
    • 整数
    • 浮点数
    • Null
    • 时间
    • 日期
# 编程语言
languages:
  - PHP
  - Java
  - Python
book:
  Python入门: # 书籍名称
    price: 55.5
    author: Lily
    available: True
    repertory: 20
    date: 2018-02-17
  Java入门:
    price: 60
    author: Lily
    available: False
    repertory: Null
    date: 2018-05-11

相当于：

languages:['PHP', 'Java', 'Python'] # languages是key值

yaml 文件使用

  • 查看 yaml 文件
    • pycharm
    • txt 记事本
  • 读取 yaml 文件
    • 安装：pip install pyyaml
    • 方法：yaml.safe_load(f)（yaml->python）
    • 方法：yaml.safe_dump(f) （python->yaml）
import yaml
file_path = './my.yaml'
with open(file_path, 'r', encoding='utf-8') as f:
    data = yaml.safe_load(f)

测试准备

  • 被测对象：operation.py
  • 测试用例：test_add.py
  • 测试数据：data.yaml 
# operation.py 文件内容
def my_add(x, y):
    result = x + y
    return result
# test_add.py 文件内容
class TestWithYAML:
  @pytest.mark.parametrize('x,y,expected', [[1, 1, 2]])
  def test_add(self, x, y, expected):
    assert my_add(int(x), int(y)) == int(expected)
# data.yaml 文件内容
-
  - 1
  - 1
  - 2
-
  - 3
  - 6
  - 9
-
  - 100
  - 200
  - 300

Pytest 数据驱动结合 yaml 文件

# 读取yaml文件
def get_yaml():
    """
    获取json数据
    :return: 返回数据的结构：[[1, 1, 2], [3, 6, 9], [100, 200, 300]]
    """
    with open('../datas/data.yaml', 'r') as f:
        data = yaml.safe_load(f)
        return data

Pytest 结合数据驱动 Excel

读取 Excel 文件

openpyxl 库的安装

  • 安装：pip install openpyxl
  • 导入：import openpyxl

openpyxl 库的操作

  • 读取工作簿
  • 读取工作表
  • 读取单元格
import openpyxl

# 获取工作簿
book = openpyxl.load_workbook('../data/params.xlsx')

# 读取工作表
sheet = book.active

# 读取单个单元格
cell_a1 = sheet['A1']
cell_a3 = sheet.cell(column=1, row=3)  # A3

# 读取多个连续单元格
cells = sheet["A1":"C3"]

# 获取单元格的值
cell_a1.value

测试准备

  • 被测对象：operation.py
  • 测试用例：test_add.py 
# operation.py 文件内容
def my_add(x, y):
    result = x + y
    return result

# test_add.py 文件内容
class TestWithEXCEL:
    @pytest.mark.parametrize('x,y,expected', get_excel())
    def test_add(self, x, y, expected):
        assert my_add(int(x), int(y)) == int(expected)

测试准备

  • 测试数据：params.xlsx

img

注意：.xlsx文件要在外面创建，不要在编辑器里创建

Pytest 数据驱动结合 Excel 文件

# 读取Excel文件
import openpyxl
import pytest

def get_excel():
    # 获取工作簿
    book = openpyxl.load_workbook('../data/params.xlsx')

    # 获取活动行（非空白的）
    sheet = book.active

    # 提取数据，格式：[[1, 2, 3], [3, 6, 9], [100, 200, 300]]
    values = []
    for row in sheet:
        line = []
        for cell in row:
            line.append(cell.value)
        values.append(line)
    return values

Pytest 结合数据驱动 csv

csv 文件介绍

  • csv：逗号分隔值
  • 是 Comma-Separated Values 的缩写
  • 以纯文本形式存储数字和文本
  • 文件由任意数目的记录组成
  • 每行记录由多个字段组成
Linux从入门到高级,linux,¥5000
web自动化测试进阶,python,¥3000
app自动化测试进阶,python,¥6000
Docker容器化技术,linux,¥5000
测试平台开发与实战,python,¥8000

csv 文件使用

  • 读取数据
    • 内置函数：open()
    • 内置模块：csv
  • 方法：csv.reader(iterable)
    • 参数：iterable ,文件或列表对象
    • 返回：迭代器，每次迭代会返回一行数据。
# 读取csv文件内容

def get_csv():
    with open('demo.csv', 'r') as file:
        raw = csv.reader(file)

        for line in raw:
            print(line)

测试准备

  • 被测对象：operation.py
  • 测试用例：test_add.py
  • 测试数据：params.csv 
# operation.py 文件内容
def my_add(x, y):
    result = x + y
    return result

# test_add.py 文件内容
class TestWithCSV:
    @pytest.mark.parametrize('x,y,expected', [[1, 1, 2]])
    def test_add(self, x, y, expected):
        assert my_add(int(x), int(y)) == int(expected)

# params.csv 文件内容
1,1,2
3,6,9
100,200,300

Pytest 数据驱动结合 csv 文件

# 读取 data目录下的 params.csv 文件
import csv

def get_csv():
    """
    获取csv数据
    :return: 返回数据的结构：[[1, 1, 2], [3, 6, 9], [100, 200, 300]]
    """
    with open('../data/params.csv', 'r') as file:
        raw = csv.reader(file)
        data = []
        for line in raw:
            data.append(line)
    return data

Pytest 结合数据驱动 json

json 文件介绍

  • json 是 JS 对象
  • 全称是 JavaScript Object Notation
  • 是一种轻量级的数据交换格式
  • json 结构
    • 对象 {"key": value}
    • 数组 [value1, value2 ...] 
{
  "name:": "hogwarts ",
  "detail": {
    "course": "python",
    "city": "北京"
  },
  "remark": [1000, 666, 888]
}

json 文件使用

  • 查看 json 文件
    • pycharm
    • txt 记事本
  • 读取 json 文件
    • 内置函数 open()
    • 内置库 json
    • 方法：json.loads()
    • 方法：json.dumps() 
# 读取json文件内容
def get_json():
    with open('demo.json', 'r') as f:
        data = json.loads(f.read())
        print(data)

测试准备

  • 被测对象：operation.py
  • 测试用例：test_add.py
  • 测试数据：params.json 
# operation.py 文件内容
def my_add(x, y):
    result = x + y
    return result

# test_add.py 文件内容
class TestWithJSON:
    @pytest.mark.parametrize('x,y,expected', [[1, 1, 2]])
    def test_add(self, x, y, expected):
        assert my_add(int(x), int(y)) == int(expected)

# params.json 文件内容
{
  "case1": [1, 1, 2],
  "case2": [3, 6, 9],
  "case3": [100, 200, 300]
}

Pytest 数据驱动结合 json 文件

# 读取json文件
def get_json():
    """
    获取json数据
    :return: 返回数据的结构：[[1, 1, 2], [3, 6, 9], [100, 200, 300]]
    """
    with open('../data/params.json', 'r') as f:
        data = json.loads(f.read())
        return list(data.values())

pytest测试用例生命周期管理

Fixture 用法

Fixture 特点及优势

  • 1､命令灵活：对于 setup,teardown,可以不起这两个名字
  • 2､数据共享：在 conftest.py 配置⾥写⽅法可以实现数据共享，不需要 import 导⼊。可以跨⽂件共享
  • 3､scope 的层次及神奇的 yield 组合相当于各种 setup 和 teardown
  • 4、实现参数化

Fixture 在自动化中的应用- 基本用法

  • 场景：

    测试⽤例执⾏时，有的⽤例需要登陆才能执⾏，有些⽤例不需要登陆。

    setup 和 teardown ⽆法满⾜。fixture 可以。默认 scope（范围）function

  • 步骤：

    • 1.导⼊ pytest
    • 2.在登陆的函数上⾯加@pytest.fixture()
    • 3.在要使⽤的测试⽅法中传⼊（登陆函数名称），就先登陆
    • 4.不传⼊的就不登陆直接执⾏测试⽅法。
# test_fixture.py

import pytest

# 定义登录的fixture
@pytest.fixture()
def login():
    print("完成登录操作")


def test_search():
    print("搜索")


def test_cart(login): #不需要把login放在函数里面，只要传参就可以
    print("购物车")


def test_order(login):
    print("下单")

Fixture 在自动化中的应用 - 作用域

取值 范围 说明
function 函数级 每一个函数或方法都会调用
class 类级别 每个测试类只运行一次
module 模块级 每一个.py 文件调用一次
package 包级 每一个 python 包只调用一次(暂不支持)
session 会话级 每次会话只需要运行一次，会话内所有方法及类，模块都共享这个方法

注：整个项目就是一个会话

import pytest

# 定义登录的fixture
@pytest.fixture(scope="class")
def login():
    print("完成登录操作")


def test_search(login):
    print("搜索")


def test_cart(login):
    print("购物车")


def test_order(login):
    print("下单")

class TestDemo:
    def test_case1(self,login):
        print("case1")

    def test_case2(self,login):
        print("case2")

Fixture 在自动化中的应用 - yield 关键字

  • 场景：

你已经可以将测试⽅法【前要执⾏的或依赖的】解决了，
测试⽅法后销毁清除数据的要如何进⾏呢？

  • 解决：

通过在 fixture 函数中加⼊ yield 关键字，yield 是调⽤第⼀次返回结果，
第⼆次执⾏它下⾯的语句返回。

  • 步骤：

在@pytest.fixture(scope=module)。
在登陆的⽅法中加 yield，之后加销毁清除的步骤

import pytest

# 定义登录的fixture
@pytest.fixture(scope="class")
def login():
    # setup 操作
    print("完成登录操作")
    token = "abcd"
    username = "hogwarts"
    yield token, username  # 相当于return
    # teardown 操作
    print("完成登出操作")


def test_search(login):
    token, username = login
    print(f"token:{token},name:{username}")
    print("搜索")


def test_cart(login):
    print("购物车")


def test_order(login):
    print("下单")

class TestDemo:
    def test_case1(self,login):
        print("case1")

    def test_case2(self,login):
        print("case2")

Fixture 在自动化中的应用 - 数据共享

  • 场景：

你与其他测试⼯程师合作⼀起开发时，公共的模块要在不同⽂件中，要在⼤家都访问到的地⽅。

  • 解决：

使⽤ conftest.py 这个⽂件进⾏数据共享，并且他可以放在不同位置起着不同的范围共享作⽤。

  • 前提：
    • conftest ⽂件名是不能换的
    • 放在项⽬下是全局的数据共享的地⽅
  • 执⾏：
    • 系统执⾏到参数 login 时先从本模块中查找是否有这个名字的变量什么的，
    • 之后在 conftest.py 中找是否有。
  • 步骤：
    • 将登陆模块带@pytest.fixture写在 conftest.py

Fixture 在自动化中的应用 - 自动应用

场景：

不想原测试⽅法有任何改动，或全部都⾃动实现⾃动应⽤，

没特例，也都不需要返回值时可以选择⾃动应⽤

解决：

使⽤ fixture 中参数 autouse=True 实现

步骤：

在⽅法上⾯加 @pytest.fixture(autouse=True)

比如要实现fixture时session级别的，就要每个用例都添加fixture方法。可以通过自动应用来避免。

问题：那yield返回参数的怎么办？

Fixture 在自动化中的应用 -参数化

场景：

测试离不开数据，为了数据灵活，⼀般数据都是通过参数传的

解决：

fixture 通过固定参数 request 传递

步骤：

在 fixture 中增加@pytest.fixture(params=[1, 2, 3, 'linda'])

在⽅法参数写 request，方法体里面使用 request.param 接收参数

# test_fixture_param.py
import pytest


@pytest.fixture(params=[["selenium",123], ["appium",123]])
def login(request):
    print(f"用户名：{request.param}")
    return request.param

def test_demo1(login):
    print(f"demo1 case:数据为{login}")

我们之前学过一种添加参数的方法：在用例方法上方添加@pytest.mark.parametrize('my_fixture', ['value'], indirect=True)

当设置 indirect=True 时，参数化的参数将被解释为 fixture 的名称，并被视为函数参数传递给测试函数。这样，测试函数将使用由参数化提供的参数调用同名的 fixture 函数，而不是将参数直接传递给测试函数。

# conftest.py
import pytest

@pytest.fixture()
def my_fixture(request):
    param1, param2 = request.param
    print(f"Param1: {param1}, Param2: {param2}")

# test_example.py
@pytest.mark.parametrize('my_fixture', [['selenium', 123], ['appium', 456]], indirect=True)
def test_example():
    print("Test")

两种方法的区别：

  • @pytest.fixture：这种方法意味着每次运行测试函数时，my_fixture 将使用相同的参数值。

  • @pytest.mark.parametrize：这种方法非常灵活，可以根据需要为每个测试用例提供不同的参数。

Fixture 的用法总结

  • 模拟 setup，teardown（一个用例可以引用多个 fixture）
  • yield 的用法
  • 作用域（ session，module, 类级别，方法级别 ）
  • 自动执行 （autouse 参数）
  • conftest.py 用法，一般会把 fixture 写在 conftest.py 文件中（这个文件名字是固定的，不能改）
  • 实现参数化

pytest.ini 配置

pytest.ini 是什么

  • pytest.ini 是 pytest 的配置文件
  • 可以修改 pytest 的默认行为
  • 不能使用任何中文符号，包括汉字、空格、引号、冒号等等

pytest.ini的作用

  • 修改用例的命名规则
  • 配置日志格式，比代码配置更方便
  • 添加标签，防止运行过程报警告错误
  • 指定执行目录
  • 排除搜索目录

pytest 配置- 改变运行规则

;执行check_开头和 test_开头的所有的文件，后面一定要加*
python_files = check_* test_*
;执行所有的以Test和Check开头的类
python_classes = Test*  Check*
;执行所有以test_和check_开头的方法
python_functions= test_* check_*

pytest 配置- 添加默认参数

addopts = -v -s --alluredir=./results    # 会帮我生成一个默认的allure测试报告

pytest 配置- 指定/忽略执行目录

;设置执行的路径（指定某个目录）
;testpaths = bilibili baidu
;忽略某些文件夹/目录
norecursedirs = result logs datas test_demo*

pytest 配置- 日志

配置参考链接：pytest logging 收集日志

包括输出到屏幕上和输出到文件中

Pytest 插件开发

pytest 插件分类

  • 外部插件：pip install 安装的插件，也就是第三方库
  • 本地插件：pytest 自动模块发现机制（conftest.py 存放的）
  • 内置插件：代码内部的_pytest 目录加载，也就是hook函数

pytest 常用的插件

pip install pytest-ordering  控制用例的执行顺序（重点）
pip install pytest-xdist    分布式并发执行测试用例（重点）
pip install pytest-dependency   控制用例的依赖关系 （了解）
pip install pytest-rerunfailures   失败重跑（了解）
pip install pytest-assume          多重较验（了解）
pip install pytest-random-order  用例随机执行（了解）
pip install pytest-html            测试报告（了解）

pytest 执行顺序控制

场景：

对于集成测试，经常会有上下文依赖关系的测试用例。

比如 10 个步骤，拆成 10 条 case，这时候能知道到底执行到哪步报错。

用例默认执行顺序：自上而下执行

解决：

可以通过 setup,teardown 和 fixture 来解决。也可以使用对应的插件。

安装：pip install pytest-ordering

用法：@pytest.mark.run(order=2)，也可以用@pytest.mark.first和@pytest.mark.second

注意：多个插件装饰器(>2)的时候，有可能会发生冲突、

举例：https://github.com/ftobia/pytest-ordering

ps：尽量不要让测试用例有顺序

Pytest 并行与分布式执行

场景 1:

测试用例 1000 条，一个用例执行 1 分钟，一个测试人员执行需要 1000 分钟。

通常我们会用人力成本换取时间成本，加几个人一起执行，时间就会 缩短。

如果 10 人一起执行只需要 100 分钟，这就是一种分布式场景。

场景 2：

假设有个报名系统，对报名总数统计，数据同时进行修改操作的时候有可能出现问题，

需要模拟这个场景，需要多用户并发请求数据。

解决:

使用分布式并发执行测试用例。分布式插件：pytest-xdist

安装及运行: pip install pytest-xdist

结合命令：pytest -n 核数（核数尽量不要超过电脑实际内核数，否则也没有特别大的效果），或者用pytest -n auto（自动获取我们的空闲核数）

注意： 用例多的时候效果明显，多进程并发执行，同时支持 allure

要使用pytest-xdist插件执行多进程或多线程的测试，可以使用以下命令行选项： - -n：用于指定并发工作进程或线程的数量。 - --dist：用于指定并发工作模式，可以是load（进程）或loadscope（线程）。 - -d：用于指定并发工作进程之间的数据传递方式（仅对进程模式有效）。 以下是一些示例使用pytest-xdist插件的命令行示例： - 使用4个进程运行测试（数据传递方式为“load”）：

                  pytest -n 4 --dist load

- 使用2个线程运行测试（数据传递方式为“loadscope”）：

                  pytest -n 2 --dist loadscope

如果要在pytest.ini文件（或者其他INI格式的配置文件）中设置这些选项，可以添加类似以下内容的节：

                  [pytest]
addopts = -n auto --dist load

上述配置会自动使用所有可用的CPU核心数，并使用“load”模式执行测试。 希望以上信息对你有所帮助。如果你有其他问题，请随时提问。

分布式执行测试用例原则

  • 用例之间是独立的，不要有依赖关系
  • 用例执行没有顺序，随机顺序都能正常执行
  • 每个用例都能重复运行，运行结果不会影响其他用例

pytest 内置插件 hook 体系

pytest hook 介绍

  • 是个函数，在系统消息触时被系统调用
  • 自动触发机制
  • Hook 函数的名称是确定的（如果你想实现某个hook函数就要去把它复制粘贴过来）
  • pytest 有非常多的勾子函数
  • 使用时直接编写函数体
  • 要放在conftest.py里

pytest 执行顺序

site-package/_pytest/hookspec.py

....
pytest_addoption :  添加命令行参数，运时会先读取命令行参数
pytest_collection_modifyitems : 收集测试用例，收集之后（改编码，改执行顺序）
pytest_collection_finish：收集之后的操作
pytest_runtest_setup：在调用 pytest_runtest_call 之前调用
pytest_runtest_call：调用执行测试的用例
pytest_runtest_makereport：运行测试用例，返回setup，call，teardown的执行结果
....

详细介绍：定制pytest插件必备之pytest hook的执行顺序

简单的例子

def pytest_runtest_setup(item):    
  # 执行测试用例前执行的setup方法    
  print("setting up", item)

def pytest_runtest_call(item):    
  # 调用执行测试的用例
  print("pytest_runtest_call")

def pytest_runtest_teardown(item):   
  #  执行测试用例后执行的teardown
  print("pytest runtest teardown",item)

==pytest 编写自己的插件（以后再学）==