关注开源优测不迷路
大数据测试过程、策略及挑战
测试框架原理，构建成功的基石
在自动化测试工作之前，你应该知道的10条建议
在自动化测试中，重要的不是工具
在编写单元测试时，是否发现自己写了很多相同/相似代码呢？
像数据库的设置与清理、API客户端或测试数据这类单调乏味的代码，如果要在几十甚至几百个单元测试中重复编写，会非常痛苦。
在编写测试时，通常需要在运行实际的测试代码之前设置一些初始状态。
编写这些设置代码可能很耗时，尤其是当有多个测试都需要相同的步骤时。
在项目的整个生命周期中，测试代码应该易于理解、重构、扩展和维护。
Pytest中的Fixtures解决了一些代码重复和样板代码的问题。
它们帮助你定义可复用的设置或清理代码，这些代码可以在多个测试中使用。
无需在每个测试中都重复相同的设置代码，只需定义一次Fixtures，就可以在多个测试中使用。
这不仅减少了代码重复，还使维护更加容易，因为任何更改都只需在一个地方进行。
在本文中，你将进一步了解Pytest Fixtures、它们的优点，以及它们如何帮助你编写更好、更简单的单元测试。
学习目标
在本教程结束时，你应该能够：
定义什么是Pytest Fixtures。
理解Pytest Fixtures的优点。
在单元测试中使用Fixtures。
理解Fixtures作用域和参数化Fixtures。
编写有效、更易于维护且利用Fixtures的单元测试。
使用Flask构建一个简单的计算器API，并使用Pytest Fixtures对其进行测试。
什么是Pytest Fixtures
在深入探讨如何应用Fixtures之前，让我们先快速了解一下Fixtures到底是什么。
Fixtures是Pytest中的一些方法，它们为测试的运行提供了一个固定的基础。
Fixtures可用于为测试设置前置条件、提供数据，或者在测试完成后执行清理操作。
在Python中，它们是使用@pytest.fixture装饰器来定义的，并且可以作为参数传递给测试函数。
Fixtures极大地简化了编写测试的过程，它允许你在多个测试中复用代码，并为每个测试提供一个一致的起点。
Pytest有几个内置的Fixtures，适用于常见的用例，例如设置测试数据库、模拟外部依赖项以及设置测试数据。
Fixtures也有各种作用域，比如函数作用域、类作用域、模块作用域和会话作用域。
Fixtures的作用域定义了在测试会话期间Fixtures的可用时长。
这使你能够控制Fixtures的生命周期，并根据你的测试需求为Fixtures选择合适的作用域。我们将在本文后面详细讨论作用域。
总的来说，Fixtures是Pytest的一个强大功能，有助于减少代码重复，提高测试的可靠性，并使测试更具模块化和可维护性。
如何使用Pytest Fixtures
现在让我们进入本文的重点部分：如何通过创建一个真正简单的应用程序来使用Fixtures。
为了理解Fixtures，我们将构建一个基本的计算器应用程序，并使用Flask API来提供服务。
如果你不熟悉Flask，别担心，你可以跳过API及其测试部分，只关注核心逻辑（计算器部分）。
项目设置
按以下项目结构构建本文的测试代码组织：
源代码
这个示例的源代码是一个Flask API，它包含一个基本的计算器应用程序，可以计算两个数字的和、差、积和商。
计算器 /calculator/core.py
class Calculator: def__init__(self, a: int | float = None, b: int | float = None) -> None: self.a = a self.b = b defadd(self) -> int | float: """ 计算两个数字的和 返回：两个数字的和 """ return self.a + self.b defsubtract(self) -> int | float: """ 计算两个数字的差 返回：两个数字的差 """ return self.a - self.b defmultiply(self) -> int | float: """ 计算两个数字的积 返回：两个数字的积 """ return self.a * self.b defdivide(self) -> int | float: """ 计算两个数字的商 返回：两个数字的商 """ if self.b != 0: return self.a / self.b else: raise ZeroDivisionError("除数不能为零") defsquare(self) -> int | float: """ 计算一个数字的平方 返回：一个数字的平方 """ return self.a**2上面是一个非常简单的Calculator类，用于执行基本的计算操作。
Flask应用程序
这个Flask应用程序为计算器提供了一个API包装器，允许我们向服务器发送远程请求并获取计算结果。
Flask应用程序如下所示：
/app/app.py
from flask import Flask, jsonify, request
from calculator.core import Calculator # 创建Flask应用程序
app = Flask(__name__) # 创建路由
@app.route('/')
defindex(): return'Index Page' # 为加法函数添加一个路由
@app.route('/api/add/', methods=['POST'])
defadd(): data = request.get_json() a = data['a'] b = data['b'] result = Calculator(a, b).add() return jsonify(result) # 为减法函数添加一个路由
@app.route('/api/subtract/', methods=['POST'])
defsubtract(): data = request.get_json() a = data['a'] b = data['b'] result = Calculator(a, b).subtract() return jsonify(result) # 为乘法函数添加一个路由
@app.route('/api/multiply/', methods=['POST'])
defmultiply(): data = request.get_json() a = data['a'] b = data['b'] result = Calculator(a, b).multiply() return jsonify(result) # 为除法函数添加一个路由
@app.route('/api/divide/', methods=['POST'])
defdivide(): data = request.get_json() a = data['a'] b = data['b'] if b == 0: return jsonify("除数不能为零"), 400 result = Calculator(a, b).divide() return jsonify(result) if __name__ == '__main__': app.run()我们有4个简单的路由（每个操作对应一个），每个路由都接受一个POST请求，请求负载中包含两个值a和b。
这个应用程序调用上面的Calculator类来执行计算。
单元测试
单元测试定义在两个单独的文件中：
test_calculator_class.py——测试Calculator类。 test_calculator_api.py——使用自定义负载测试API端点。
让我们来看看每个文件，以及它们是如何使用Pytest Fixtures的。
测试中的Fixtures
定义Fixtures最简单的方法是在测试内部进行定义。让我们看看如何使用在测试中定义的Fixtures来测试我们的代码。
test_calculator_class.py
import pytest
from calculator.core import Calculator @pytest.fixture
def calculator(): return Calculator(2, 3)使用预定义Fixtures进行基本计算器测试
def test_add(calculator): assert calculator.add() == 5deftest_subtract(calculator): assert calculator.subtract() == -1deftest_multiply(calculator): assert calculator.multiply() == 6deftest_divide(calculator): assert calculator.divide() == 0.6666666666666666deftest_divide_by_zero(calculator): calculator.b = 0with pytest.raises(ZeroDivisionError): calculator.divide()在这里，我们使用@pytest.fixture装饰器定义了Pytest Fixtures。
我们使用值(2, 3)初始化了Calculator类，并返回了该类的一个实例。
然后，我们将这个Fixtures传递给每个单元测试，这样就无需在每个测试中重新初始化Calculator类了。
让我们看看如何对API也进行这样的操作。
test_calculator_api.py
import pytest
from app.app import app @pytest.fixture
defclient(): with app.test_client() as client: yield client @pytest.fixture
defjson_headers(): return {"Content-Type": "application/json"} deftest_add(client, json_headers, json_data): response = client.post("/api/add/", headers=json_headers, json=json_data) assert response.status_code == 200assert response.json == 3deftest_subtract(client, json_headers, json_data): response = client.post("/api/subtract/", headers=json_headers, json=json_data) assert response.status_code == 200assert response.json == -1deftest_multiply(client, json_headers, json_data): response = client.post("/api/multiply/", headers=json_headers, json=json_data) assert response.status_code == 200assert response.json == 2deftest_divide(client, json_headers, json_data): response = client.post("/api/divide/", headers=json_headers, json=json_data) assert response.status_code == 200assert response.json == 0.5deftest_divide_by_zero(client, json_headers): response = client.post("/api/divide/", headers=json_headers, json={"a": 1, "b": 0}) assert response.status_code == 400assert response.json == "除数不能为零"在这个测试中，我们定义了两个Fixtures：
Flask客户端。
API请求的JSON头部信息。
如果你不熟悉API和Flask，我建议你阅读一些基础知识以便更好地理解。
上面的Fixtures允许我们定义一次客户端和JSON头部信息，并在测试中进行POST请求时复用它们。
通过conftest在多个测试中使用Fixtures 一种更高效的方法是将通用的Fixtures放在一个名为conftest.py的文件中，这样所有的单元测试文件都会自动获取到这些Fixtures。
如果你不熟悉conftest，这篇关于Pytest conftest的文章会给你一个坚实的基础。
conftest.py
import pytest
from calculator.core import Calculator
from app.app import app @pytest.fixture(scope="module")
defcalculator(): return Calculator(2, 3) @pytest.fixture
defcustom_calculator(scope="module"): def_calculator(a, b): return Calculator(a, b) return _calculator @pytest.fixture(scope="module")
defclient(): with app.test_client() as client: yield client @pytest.fixture(scope="module")
defjson_headers(): return {"Content-Type": "application/json"} @pytest.fixture(scope="module")
defjson_data(): return {"a": 1, "b": 2}在这里，我们定义了Fixtures，并且可以在单元测试中轻松使用它们。
我们有各种Fixtures：
Calculator Fixtures。 自定义CalculatorFixtures（参数化Fixtures）。 Flask客户端Fixtures。 JSON头部信息Fixtures。 JSON数据Fixtures。
参数化Fixtures
这些Fixtures可以接受一个或多个参数，并在运行时进行初始化。
在前面代码块的示例中，我们定义了custom_calculatorFixtures，它允许我们在测试中传递不同的(a, b)值。
你可以通过在一个Fixtures中定义另一个Fixtures来定义参数化Fixtures。
例如：
@pytest.fixture
def custom_calculator(scope="module"): def _calculator(a, b): return Calculator(a, b) return _calculator这个强大的功能允许我们为每个测试使用自定义值来初始化Calculator类，非常方便。
Fixtures依赖注入
Fixtures也可以被其他Fixtures调用（或请求），这被称为依赖注入。
下面的代码示例展示了这一点：
import pytest classMyObject: def__init__(self, value): self.value = value @pytest.fixture
defmy_object(): return MyObject("Hello, World!") deftest_my_object(my_object): assert my_object.value == "Hello, World!" @pytest.fixture
defmy_dependent_object(my_object): return MyObject(my_object.value + " Again!") deftest_my_dependent_object(my_dependent_object): assert my_dependent_object.value == "Hello, World! Again!"在这里你可以看到，my_dependent_objectFixtures使用了my_objectFixtures。
除非有必要，我建议避免使用有依赖关系的Fixtures，因为这会增加复杂性，并且将Fixtures层层嵌套会使未来的重构变得困难。
自动使用Fixtures
如果你想找到一个简单的方法来避免在每个测试中都定义Fixtures，你可以在Fixtures定义中使用autouse=True标志作为参数。
当使用autouse=True时，这个Fixtures函数将自动应用于所有测试函数，而无需在每个测试函数中显式地将其作为参数传递。
如果你只想在某些测试函数中使用该Fixtures，你可以将测试函数名作为参数指定给@pytest.fixture装饰器，而不是使用autouse=True。
Fixtures作用域
Fixtures作用域定义了Fixtures的生命周期和可见性。
Fixtures的作用域决定了它将被调用的次数，以及在测试会话期间它的存活时长。
Pytest中可用的Fixtures作用域有：
function（函数作用域）：为每个使用该Fixtures的测试函数创建Fixtures，并在测试函数结束时销毁。这是Fixtures的默认作用域。 class（类作用域）：为每个使用该Fixtures的测试类创建一次Fixtures，并在测试类结束时销毁。 module（模块作用域）：为每个使用该Fixtures的模块创建一次Fixtures，并在测试会话结束时销毁。 session（会话作用域）：为每个测试会话创建一次Fixtures，并在测试会话结束时销毁。
要指定Fixtures的作用域，你可以将scope参数传递给@pytest.fixture装饰器。
选择合适的Fixtures作用域取决于Fixtures的用途和使用方式。
如果创建一个Fixtures的成本很高，例如数据库连接，你可能希望使用更高的作用域，以便在多个测试中复用该连接。
另一方面，如果一个Fixtures很轻量级，并且特定于单个测试，你可以使用默认的“function”作用域。
Fixtures中yield与return的区别
你可以使用yield和return语句将Fixtures的值提供给测试函数，但它们的行为和含义有所不同。
当你在Fixtures函数中使用yield时，设置代码会在第一次yield之前执行，而清理代码会在最后一次yield之后执行。
yield的示例：
import pytest @pytest.fixture
def my_fixture(): # 设置代码 yield "Fixtures值" # 清理代码当你在Fixtures函数中使用return时，设置代码会在return语句之前执行，而清理代码会在return语句之后立即执行。
return的示例：
import pytest @pytest.fixture
def my_fixture(): # 设置代码 fixture_value = "Fixtures值" # 清理代码 return fixture_value一般来说，当你需要为每个测试函数设置和清理一些资源时，通常会使用yield；而当你只需要为测试函数提供一个简单的值时，则使用return。
何时应该使用Fixtures
一般来说，Fixtures的一个很好的用例是：
客户端——数据库客户端、AWS或其他云客户端、需要设置/清理的API客户端。 测试数据——JSON或其他格式的测试数据可以很容易地导入并在多个测试中共享。 函数——一些常用的函数可以用作Fixtures。
结论
在本文中，你了解了Pytest Fixtures的优点，以及它们如何使编写和维护测试变得更加容易。
你还学习了Pytest Fixtures的基础知识以及如何定义它们。
你构建了一个由Flask API驱动的基本计算器应用程序，并使用conftest.py和在测试内部定义了Fixtures。
最后，你了解了自动使用、作用域以及如何对Fixtures进行参数化，这些都是Pytest非常强大的功能。
Fixtures可用于设置数据库连接、加载测试数据、初始化复杂对象，或执行测试所需的任何其他设置或清理操作。
通过使用Fixtures，你可以编写干净、模块化且可维护的测试代码，这些代码易于阅读和理解。
通过一些练习和实践，你可以利用Pytest Fixtures使你的测试过程更快、更高效、更有效。
