📝 面试求职： 「面试试题小程序」 ，内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）
📝 职场经验干货：
大家好！我们今天来学习 Python 测试框架中的最具特色的功能之一：Fixture。
可以说，掌握了 Fixture，你就掌握了 Pytest 的精髓。它不仅能让你的测试代码更简洁、更优雅、更易于维护，还能极大地提升测试的复用性和灵活性。
作者为大家介绍了Fixture 是什么？为什么我们需要它？如何快速上手：第一个 Fixture 与基本用法及作用域 (Scope)：控制 Fixture 的生命周期。
接下来，本文将带你系统性地讲解资源管理、数据驱动及自动使用 Fixture的便利性与风险。
资源管理：Setup/Teardown： yield
我们在第一个例子中已经看到了 yield 的使用。这是 Pytest Fixture 实现 Setup 和 Teardown 的推荐方式。
import pytest# 假设 connect_to_real_or_mock_db 和 MockDbConnection 已定义 (如上个例子)@pytest.fixturedef db_connection():print("\n【Setup】正在连接数据库...")conn = connect_to_real_or_mock_db() # 假设这是一个连接函数yield conn # 将连接对象提供给测试，并在此暂停print("\n【Teardown】正在断开数据库连接...")conn.close() # yield 之后执行清理def test_db_query(db_connection):print("【测试】正在执行查询...")result = db_connection.execute("SELECT FROM users")assert result is not None
yield 方式的优点：
-
代码集中：Setup 和 Teardown 逻辑写在同一个函数内，结构清晰。
-
状态共享：yield 前后的代码可以共享局部变量（如上面例子中的 conn）。
-
异常处理：如果 Setup 代码（ yield 之前）或测试函数本身抛出异常，Teardown 代码（ yield 之后）仍然会执行，确保资源被释放。
另一种方式： request.addfinalizer
在 yield Fixture 出现之前，
通常使用 request.addfinalizer 来注册清理函数。
import pytest# 假设 connect_to_real_or_mock_db 和 MockDbConnection 已定义@pytest.fixturedef legacy_db_connection(request):print("\n【Setup】正在连接数据库...")conn = connect_to_real_or_mock_db()def fin():print("\n【Teardown】正在断开数据库连接...")conn.close()request.addfinalizer(fin) # 注册清理函数return conn # 使用 return 返回值def test_legacy_db_query(legacy_db_connection):print("【测试】正在执行查询...")result = legacy_db_connection.execute("SELECT FROM products")assert result is not None
虽然 addfinalizer 仍然有效，但 yield 方式是更简洁的上下文管理器风格，是目前推荐的首选。
参数化 Fixture：让 Fixture 更强大
有时，我们希望同一个 Fixture 能够根据不同的参数提供不同的 Setup 或数据。例如，测试一个需要不同用户角色的 API。
可以使用 @pytest.fixture 的 params 参数，并结合内置的 request Fixture 来实现。
import pytest# 参数化的 Fixture，模拟不同用户角色@pytest.fixture(params=["guest", "user", "admin"], scope="function")def user_client(request):role = request.param # 获取当前参数值print(f"\n【Fixture Setup】正在为角色创建客户端：{role}")# 模拟根据角色创建不同的客户端或设置client = MockAPIClient(role=role)yield clientprint(f"\n【Fixture Teardown】正在清理角色 {role} 的客户端")client.logout() # 假设有登出操作class MockAPIClient:def __init__(self, role):self.role = roleself.logged_in = Trueprint(f" 客户端已初始化，角色为 '{self.role}'")def get_data(self):if self.role == "guest":return {"data": "公共数据"}elif self.role == "user":return {"data": "用户专属数据"}elif self.role == "admin":return {"data": "所有系统数据"}return Nonedef perform_admin_action(self):if self.role != "admin":raise PermissionError("需要管理员权限")print(" 正在执行管理员操作...")return {"status": "成功"}def logout(self):self.logged_in = Falseprint(f" 角色 '{self.role}' 的客户端已登出")# 使用参数化 Fixture 的测试函数def test_api_data_access(user_client):print(f"【测试】正在测试角色 {user_client.role} 的数据访问权限")data = user_client.get_data()if user_client.role == "guest":assert data == {"data": "公共数据"}elif user_client.role == "user":assert data == {"data": "用户专属数据"}elif user_client.role == "admin":assert data == {"data": "所有系统数据"}def test_admin_action_permission(user_client):print(f"【测试】正在测试角色 {user_client.role} 的管理员操作权限")if user_client.role == "admin":result = user_client.perform_admin_action()assert result == {"status": "成功"}else:with pytest.raises(PermissionError):user_client.perform_admin_action()print(f" 为角色 '{user_client.role}' 正确引发了 PermissionError")
运行 pytest -s -v：
你会看到
test_api_data_access
和 test_admin_action_permission 这两个测试函数，都分别针对 params 中定义的 "guest", "user", "admin" 三种角色各执行了一次，总共执行了 6 次测试。
每次执行时，
user_client Fixture 都会根据
request.param 的值进行相应的 Setup 和 Teardown。
-
params 和 ids:
你还可以提供 ids 参数，为每个参数值生成更友好的测试 ID：
@pytest.fixture(params=[0, 1, pytest.param(2, marks=pytest.mark.skip)],ids=["零", "一", "跳过的二"])def number_fixture(request):print(f"\n【参数化 Fixture】提供参数：{request.param}")return request.paramdef test_using_number(number_fixture):print(f"【测试】使用数字：{number_fixture}")assert isinstance(number_fixture, int)
这会生成如 test_using_number[零]、
test_using_number[一] 这样的测试 ID，并且跳过的二对应的测试会被跳过。
-
参数化 Fixture 与
@pytest.mark.parametrize 的区别：
-
@pytest.mark.parametrize 是直接作用于测试函数，为其提供多组输入参数。
-
参数化 Fixture 是让 Fixture 本身可以产生不同的输出（通常是 Setup 结果），使用该 Fixture 的测试函数会针对 Fixture 的每个参数化实例运行一次。
-
它们可以组合使用，实现更复杂的测试矩阵。
自动使用的 Fixture (autouse)：
便利性与风险
默认情况下，测试函数需要显式地在其参数列表中声明它所依赖的 Fixture。
但有时，我们希望某个 Fixture 对某个范围内的所有测试都自动生效，而无需在每个测试函数中都写一遍参数。这就是 autouse=True 的用途。
import pytestimport time
一个自动使用的 Session Fixture，例如用于全局日志配置
@pytest.fixture(scope="session", autouse=True)def setup_global_logging():print("\n【自动 Session Setup】正在配置全局日志...")# configure_logging() # 假设这里配置日志yieldprint("\n【自动 Session Teardown】正在关闭日志系统。")
一个自动使用的 Function Fixture，例如每次测试前重置某个状态
_test_counter = 0@pytest.fixture(autouse=True) # scope is function by defaultdef reset_counter_before_each_test():global _test_counterprint(f"\n【自动 Function Setup】正在重置计数器。当前值：{_test_counter}")_test_counter = 0yield# yield 后的清理代码会在测试函数执行后运行print(f"【自动 Function Teardown】测试完成。计数器现在是：{_test_counter}")
def test_increment_counter_once():global _test_counterprint("【测试】计数器增加一。")_test_counter += 1assert _test_counter == 1def test_increment_counter_twice():global _test_counterprint("【测试】计数器增加二。")_test_counter += 1_test_counter += 1assert _test_counter == 2
这个测试函数没有显式请求任何 Fixture，但 autouse Fixture 仍然会执行
def test_simple_assertion():print("【测试】运行一个简单的断言。")assert True
运行 pytest -s -v：
你会看到：
-
setup_global_logging 在整个会话开始和结束时执行。
-
reset_counter_before_each_test
在 test_increment_counter_once,
test_increment_counter_twice,
甚至 test_simple_assertion 这三个测试函数执行之前和之后都执行了。
autouse 的优点：
方便：对于必须在每个测试（或特定范围内所有测试）之前运行的通用设置（如日志、数据库事务回滚、模拟 Patcher 启动/停止）非常方便。
autouse 的风险和缺点：
-
隐式依赖：
测试函数的依赖关系不再明确地体现在参数列表中，降低了代码的可读性和可维护性。
当测试失败时，可能难以追踪是哪个 autouse Fixture 导致的问题。
-
过度使用：
滥用 autouse 会使测试环境变得复杂和不可预测。
-
作用域陷阱：
autouse Fixture 只在其定义的作用域内自动激活。
例如，一个 autouse=True, scope="class" 的 Fixture 只会对该类中的测试方法自动生效。
使用建议:
-
谨慎使用 autouse=True。
-
优先考虑显式 Fixture 注入，因为它更清晰。
-
仅对那些真正具有全局性、不言而喻且不直接影响测试逻辑本身的 Setup/Teardown 使用 autouse
（例如，日志配置、全局 Mock 启动/停止、数据库事务管理）。
-
如果一个 Fixture 提供了测试需要的数据或对象，绝对不要使用 autouse=True，因为它需要被注入到测试函数中才能使用。
autouse Fixture 通常不 yield 或 return 测试所需的值（虽然技术上可以，但不推荐）。
最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】
扫一扫
686
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
