pytest使用@pytest.mark.parametrize()实现参数化的示例代码

以下是关于“pytest使用@pytest.mark.parametrize() 实现参数化的示例代码”的完整攻略。

1. 简介

pytest.mark.parametrize() 是 pytest 中用来实现参数化测试的方法，可以用来避免重复测试相似用例的冗余代码。

2. 语法

pytest.mark.parametrize() 函数的语法如下：

@pytest.mark.parametrize(argnames, argvalues)

其中：

• argnames：字符串，表示参数名，可以为单个参数或多个参数；
• argvalues：值的序列，表示参数的可能取值组合，可以为列表、元组、集合等。

3. 示例说明

示例一

假设我们需要测试一个简单函数add()，实现两个数字相加的功能，我们需要对一些测试用例进行测量。可以通过pytest.mark.parametrize()函数实现：

def add(a, b):
    return a + b

@pytest.mark.parametrize("a, b, expected", [
    (2, 3, 5),
    (1, 4, 5),
    (0, 0, 0)
])
def test_add(a, b, expected):
    assert add(a, b) == expected

在这个示例中，test_add 函数采用了 @pytest.mark.parametrize 参数化装饰器，"a, b, expected" 表示三个参数名，对应之后元组序列中的三个元素。元组序列中的三个元素分别表示被测试函数 add() 的 a、b 参数以及期望输出的 expected。

示例二

现在，我将使用 pytest 测试 math 模块的一些常见的函数。该模块包含了许多有用的函数，例如 ceil(), floor(), factors(), gcd(), sqrt(), exp(), log(), log10(), log1p(), 并且我们想对这些函数进行一些测试，就可以采用以下方式：

import math
import pytest

@pytest.mark.parametrize(
    "num, result", 
    [(2, math.sqrt(2)),
     (3, math.sqrt(3)),
     (4, 2),
     (5, 2.236),
    ]
)
def test_sqrt(num, result):
    """
    对math.sqrt()函数进行测试
    """
    assert math.sqrt(num) == pytest.approx(result, 0.01)


@pytest.mark.parametrize(
    "num, result", 
    [(2, math.log(2)),
     (3, math.log(3)),
     (4, math.log(4)),
     (5, math.log(5)),
    ]
)
def test_log(num, result):
    """
    对math.log()函数进行测试
    """
    assert math.log(num) == pytest.approx(result, 0.01)


@pytest.mark.parametrize(
    "num, result", 
    [(2, math.exp(2)),
     (3, math.exp(3)),
     (4, math.exp(4)),
     (5, math.exp(5)),
    ]
)
def test_exp(num, result):
    """
    对math.exp()函数进行测试
    """
    assert math.exp(num) == pytest.approx(result, 0.01)

在这个示例中，我们使用了 import 导入了 math 模块，并使用了三个 @pytest.mark.parametrize 装饰器来测试三个常见的 math 模块函数 math.sqrt(), math.log() 和 math.exp()。每个参数化装饰器都提供了参数名和值组成的元组序列。pytest.approx() 函数用于将期望值与实际值进行比较，并控制比较精度的精度。

这些示例代码中展示了如何使用 pytest.mark.parametrize() 函数实现参数化的测试，可以从中看到这种测试方法如何从繁琐的用例中解放出来，让代码更加简洁和可读性更高。