pytest的fixture框架的autouse参数有何用
Admin 2022-08-04 群英技术资讯 851 次浏览
这篇文章主要介绍“pytest的fixture框架的autouse参数有何用”的相关知识，下面会通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“pytest的fixture框架的autouse参数有何用”文章能帮助大家解决问题。本文关于 fixture 的内容如下：
- fixture 的 autouse 参数
- session 和 module 级别的 fixture
1、fixture 的 autouse 参数
pytest 当中的 fixture, 默认情况下在定义好之后，需要测试用例/测试类主动请求使用，才会执行。
但是它有一个参数叫做 autouse，默认是 False。
关闭 fixture 的自动调用/自动执行功能。
如果设置 autouse=True，则表示这个 fixture 在它的作用域范围内都会自动化执行。
分为 2 种情况，接下来举例说明。
第 1 种情况：当定义的 fixture 在测试类内部时
如果 fixture 设置了 autouse=True，只会在测试类类内部生效。测试类以外的用例不受影响。
定义一个 test_pytest-autouse.py，定义一个 TestDemo 类。
在其中定义 2 个 fixture，一个设置了 autouse=True，另外一个使用默认值 False
执行结果：
第 2 种情况，在 conftest.py 当中的 fixture 设置 autouse=True
conftest.py 能影响到所有测试类/测试用例都会执行(依据 fixture 的作用域决定在哪个范围内执行)。
有如下的目录结构：
测试用例文件(test_autouse1.py，test_autouse2.py)当中，并没有使用@pytest.mark.usefixture("func_fix")来主动请求 fixture.
conftest.py 文件中的内容如下：
名为 func_fix 的 fixture 设置了 autouse=True，它的作用域为 function， 那么
在 pytest20210301 包下的每一个测试用例，在执行用例之前都会执行它的前置准备动作，在执行用例之后都会执行它的后置清理动作。
执行 main.py(收集用例并执行)文件的结果如下：
基于以上情况，一般 function、class、module 级别的 fixture，都不会去开启 autouse=True
不同的测试用例/测试类，对于前置准备工作和后置清理工作的需求并不完全一样。
如果开启了 autouse=True， 那么不管测试用例/测试类是否需要，都会去执行。
让测试用例/测试类根据实际需求主动来请求使用 fixture 才是正确之道。
2、session 和 module 级别的 fixture
pytest 的 fixture 除了 function 和 class 以外，还有 session 和 module 级别。
session 级别的 fixture
这里的 session 是指测试会话。
它指的是：从 pytest 开始收集用例，到执行用例完成的整个过程，为一次会话。
比如收集到了 100 个测试用例要执行，那么 session 夹具夹的就是这 100 个用例。
比如收集到了 30 个测试用例要执行，那么 session 夹具夹的就是这 30 个用例。
由于它在所有用例执行的过程中，只执行一次。
如果定义了 session 级别的 fixture，那说明你就是需要执行它的。
所以它是可以设置 autouse=True 的。
我们在做自动化测试的时候，如果有些前置准备工作是为整个测试会话做的，那么可以定义 session 级别的，比如清理/创建一些文件等。
还是以上面的用例结构为例，在 conftest.py 当中添加 session 级别的 fixture，并设置为 autouse=True：
执行结果如下：
module 级别的 fixture
module 是指测试 py 文件，夹具夹的是整个 test_*.py 文件里的测试用例。
在 test_*.py 里，哪一行代码调用了 module 级别的 fixture，那么夹的就是那行代码之后的所有测试用例。
举例来说明。还是以上面的用例结构为例，在 conftest.py 当中添加 module 级别的 fixture：
在 test_autouse2.py 当中，调用 module 级别的 fixture，但并未在第一个用例前调用。
执行结果如下：
现在大家对于pytest的fixture框架的autouse参数有何用的内容应该都有一定的认识了吧，希望这篇能对大家有所帮助。最后，想要了解更多，欢迎关注群英网络，群英网络将为大家推送更多相关的文章。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。
猜你喜欢
-
python神经网络FPN及其原理如何理解
这篇文章主要为大家介绍了python神经网络特征金字塔FPN原理的解释，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
-
Pandas怎样处理CSV文件的，步骤是什么
这篇文章主要和大家分享几个Python Pandas中处理CSV文件的常用技巧，如：统计列值出现的次数、筛选特定列值、遍历数据行等，需要的可以参考一下
-
Pytorch卷积神经网络迁移好在哪，怎样学呢？
在深度学习训练的过程中，随着网络层数的提升，我们训练的次数，参数都会提高，训练时间相应就会增加，我们今天来了解迁移学习
-
如何训练机器学习，损失和损失函数是什么
这篇文章主要介绍了是如何进行机器学习的模型的训练,全文逻辑清晰,简单易懂,如果您正在学习机器学习那么可以参考下,说不定会有不一样的收货
-
Python解析参数方式有几种，分别是什么样
本篇文章给大家带来了关于Python的相关知识，其中主要整理了解析参数的三种方法相关问题，第一个选项是使用 argparse，它是一个流行的 Python 模块，专门用于命令行解析；另一种方法是读取 JSON 文件，我们可以在其中放置所有超参数；第三种也是鲜为人知的方法是使用 YAML 文件，下面一起来看一下，希望对大家有帮助。
推荐内容
成为群英会员,开启智能安全云计算之旅
立即注册
Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所有
增值电信经营许可证 : B1.B2-20140078 粤ICP备09006778号 域名注册商资质 粤 D3.1-20240008
