pytest 之数据驱动

以下有4种数据驱动的方法：

1. 使用 @pytest.mark.parametrize 装饰器

@pytest.mark.parametrize 是 pytest 中用于数据驱动测试的最常用装饰器。它允许你为测试函数提供多组输入数据和期望输出。

import pytest  
  
@pytest.mark.parametrize("input, expected", [  
    (1, 2),  
    (2, 4),  
    (3, 6),  
])  
def test_multiply(input, expected):  
    assert input * 2 == expected

2. 使用 CSV 或 JSON 文件作为数据源

如果测试数据存储在 CSV 或 JSON 文件中，可以使用 Python 的标准库（如 csv 或 json）来读取数据，并在测试函数中使用这些数据。

例如，假设有一个 CSV 文件 test_data.csv，内容如下：

input	expected
1	2
2	4
3	6

你可以这样读取并使用数据：

import csv  
import pytest  
  
@pytest.mark.parametrize("input, expected", [  
    tuple(row) for row in csv.reader(open("test_data.csv")) if row  # Skip empty rows  
])  
def test_multiply(input, expected):  
    assert int(input) * 2 == int(expected)

3. 使用 pytest_generate_tests 钩子

对于更复杂的场景，你可以使用 pytest_generate_tests 钩子来自定义数据生成逻辑。这通常在你的 conftest.py 文件中完成。

4. 使用第三方插件

还有一些第三方插件可以帮助你实现更复杂的数据驱动测试，例如 pytest-cases。

注意事项

• 当使用数据驱动测试时，确保测试数据具有代表性，能够覆盖各种边界情况和异常情况。
• 尽量避免在测试函数中使用硬编码的值，而是使用参数化的输入和期望输出。
• 保持测试数据的可维护性，定期审查和更新测试数据，以确保其与代码的实际需求保持一致。