Python3 零基础自学笔记_pytest框架

pytest命名规则

• 测试文件以test_开头（以_test结尾也可以）
• 测试类以Test开头（驼峰命名法），并且不能带有 init 方法
• 测试函数以test_开头
• 断言使用asser

fixture函数\修饰器

@pytest.fixture(scope="function", params=None, autouse=False, ids=None, name=None)
def test():
    print("fixture初始化的参数列表")

scope参数有四种，分别是’function’,’module’,’class’,’session’，默认为function。

• function：每个test都运行，默认是function的scope
• class：每个class的所有test只运行一次
• module：每个module的所有test只运行一次
• session：每个session只运行一次

autouse：默认：False，需要用例手动调用该fixture；如果是True，所有作用域内的测试用例都会自动调用该fixture
name：默认：装饰器的名称，同一模块的fixture相互调用建议写个不同的name

• 较高 scope 范围的fixture（session）在较低 scope 范围的fixture（ function 、 class ）之前实例化【session > package > module > class > function】
• 具有相同作用域的fixture遵循测试函数中声明的顺序，并遵循fixture之间的依赖关系【在fixture_A里面依赖的fixture_B优先实例化，然后到fixture_A实例化】
• 自动使用（autouse=True）的fixture将在显式使用（传参或装饰器）的fixture之前实例化

import pytest
    order = []
@pytest.fixture(scope="session")
def s1():
    order.append("s1")
@pytest.fixture(scope="module")
def m1():
    order.append("m1")
@pytest.fixture
def f1(f3, a1):

    order.append("f1")
    assert f3 == 123
@pytest.fixture
def f3():
    order.append("f3")
    a = 123
    yield a
@pytest.fixture
def a1():
    order.append("a1")
@pytest.fixture
def f2():
    order.append("f2")
def test_order(f1, m1, f2, s1):

    assert order == ["s1", "m1", "f3", "a1", "f1", "f2"]

本段代码断言成功

• 可以通过在fixture函数中通过yield实现setup和teardown功能
• 如果yield前面的代码，即setup部分已经抛出异常了，则不会执行yield后面的teardown内容
• 如果测试用例抛出异常，yield后面的teardown内容还是会正常执行

mark.parametrize装饰器

可以实现测试用例参数化

@pytest.mark.parametrize('参数名',list)

• 第一个参数是一个字符串，多个参数之间用逗号分隔
  
  [En]

  the first parameter is a string, separated by commas among multiple parameters*

• 第二个参数是list,多组数据用元祖类型;传三个或更多参数也是这样传。list的每个元素都是一个元组，元组里的每个元素和按参数顺序一一对应
• 传一个参数 @pytest.mark.parametrize(‘参数名’，list) 进行参数化
• 传两个参数@pytest.mark.parametrize(‘参数名1，参数名2’，[(参数1_data[0], 参数2_data[0]),(参数1_data[1], 参数2_data[1])])
• 参数化，当修饰为方法时，该方法执行两次
  
  [En]

  parameterized, when decorated to a method, the method is executed twice*

  *

• 第1次：参数名1 对应值 参数1_data[0]，参数名2 对应值 参数2_data[0]
  *
• 第2次：参数名1 对应值 参数1_data[1]，参数名2 对应值 参数2_data[1]，这样就可以用到我们测试用例执行中，根据用例的多少，调用多次，断言多次，不需要用循环去写了。

–

版权声明：本文为CSDN博主「王大力测试进阶之路」的原创文章，遵循CC 4.0
BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_36502272/article/details/102872332

例子：

    fil = yaml.safe_load(open('./testcase.yaml', encoding='utf-8'))
    print(fil['case_add']['test_data'])
    print(fil['case_add']['ids'])

    @pytest.mark.parametrize('a,b,c', fil['case_add']['test_data'], ids=fil['case_add']['ids'])

    def test_code1(self, a, b, c):
        print(a, b, c)
        assert Code.code1(self, a, b) == c

其中yaml文件的组织形式为

case_add:
    test_data:
      -
        - 1
        - 1
        - 2
      -
        - 2
        - 2
        - 4
    ids:
      - 11
      - 22

返回结果为：

[[1, 1, 2], [2, 2, 4]]
[11, 22]

setup和teardown操作

在pytest中setup和teardown操作与unittest中相似。

命令行形式

pytest
pytest test_mod.py
pytest somepath
pytest -k stringexpr

pytest test_mod.py::test_func

通过 pytest.mark装饰器对测试的test进行分类执行

通过通过@pytest.mark控制需要执行哪些feature的test，例如在执行test前增加修饰@pytest.mark.website

• 通过-m “website” 执行有website标记的test方法

pytest  -v -m "website" pytest1.py

• 通过 -m “not website” 执行没有website标记的test方法

pytest  -v -m "not website" pytest1.py

• -v 显示每个测试函数的执行结果
• -q 只显示整体测试结果
• -s 显示测试函数中print()函数输出
• -x 在遇到的第一个错误时退出测试
• -h 帮助

使用pytest.raises捕获程序抛出的异常

def test_div_error(self,a,b,expect):
    with pytest.raises(ZeroDivisionError):
    self.calc.div(a,b)

上述用例可通过而不报错

测试报告

pytest可以方便的生成测试报告，即可以生成HTML的测试报告，也可以生成XML格式的测试报告用来与持续集成工具集成。

生成HTML格式报告

py.test --resultlog=path

生成XML格式的报告：

py.test --junitxml=path

测试报告

计算pytest覆盖率，支持输出多种格式的测试报告

pip install pytest-cov
pytest –cov-report=html –cov=./ test_code_target_dir

• –cov=[path], measure coverage for filesystem path (multi-allowed), 指定被测试对象，用于计算测试覆盖率
• –cov-report=type, type of report to generate: term, term-missing, annotate, html, xml (multi-allowed), 测试报告的类型
• –cov-config=path, config file for coverage, default: .coveragerc, coverage配置文件
• –no-cov-on-fail, do not report coverage if test run fails, default: False，如果测试失败，不生成测试报告
• –cov-fail-under=MIN, Fail if the total coverage is less than MIN. 如果测试覆盖率低于MIN，则认为失败

pytest1.py      18      0   100%

Original: https://blog.csdn.net/qq_36569690/article/details/115257903
Author: Nicooo-929
Title: Python3 零基础自学笔记_pytest框架

相关阅读

Title: Python numpy中random函数的使用

np.random：随机数的生成

• *np.random.random()

import numpy as np
c = np.random.random() #生成一个(0,1)之间的随机浮点数
print('c的值：',c)

• *np.random.random(size)

import numpy as np
c = np.random.random(5) #生成size个(0,1)之间的随机浮点数
print('c的值：',c)

• *np.random.random([m,n])或np.random.random((m,n))

import numpy as np
c = np.random.random([2,6]) #生成m行n列的(0,1)之间的随机浮点数
print('c的值：')
print(c)

• np.random.rand(m,n)
• 与np.random.random((m,n))作用一样，但是参数形式不同。

import numpy as np
c = np.random.rand(2,6) #生成m行n列的(0,1)之间的随机浮点数
print('c的值：')
print(c)

• *np.random.randint(a,b,size)

import numpy as np
c = np.random.randint(0,2,2) #生成size个[a,b)之间的随机整数
print('c的值：')
print(c)

• *np.random.uniform(a,b,size)

import numpy as np
c = np.random.uniform(0,1,2) #生成size个[a,b)之间的随机浮点数
print('c的值：')
print(c)

• *np.random.normal()：均值为0，标准差为1【无参默认值】

import numpy as np
c = np.random.normal() #生成一个随机浮点数，随机概率与均值为0,标准差为1的正态分布一致【无参默认值】
print('c的值：')
print(c)

• *np.random.normal(a,b)

import numpy as np
c = np.random.normal(0,1) #生成一个随机浮点数，随机概率与均值为a,标准差为b的正态分布一致
print('c的值：')
print(c)

• *np.random.normal(a,b,size)

import numpy as np
c = np.random.normal(0,1,2) #生成size个随机浮点数，随机概率与均值为a,标准差为b的正态分布一致
print('c的值：')
print(c)

Original: https://blog.csdn.net/weixin_45251017/article/details/124570719
Author: 一只草莓熊
Title: Python numpy中random函数的使用