写给不常写Python的人的pytest实用教程

【Python】pytest库 您在要求中提到,希望从“原始C语言源头”开始分析。这是一个极具洞察力的要求,它并非是让我们去逐行阅读 CPython 解释器的 C 语言源代码,那将陷入无尽的细节而偏离学习 本身的轨道。这个要求的真正精髓在于,它引导我们采用**第一性原理(First-principles thinking)**来思考问题。这意味着,我们不能仅仅满足于“ 是一个测试框架”这样的表层定义。我们必须回归到所有问题的最基本、最不可分割的“原子”层面,去探寻:只有理解了这些根本性的“为什么”,我们才能真正领会 设计的精妙之处,才 阅读详情

先利其器

虚拟环境与pytest配置

首先你需要准备好pycharm,并且安装好python环境。(mac基本都自带python,3.7.8及其以后的版本都可用)。然后按照以下步骤,配置好虚拟环境。

本文档是教程,不会涉及到具体的业务逻辑与代码。但是可能部分知识建议你配合本地调试来理解。因此建议建立一个学习项目,比如我的学习项目叫MyXXX(比如MyPython)。在开始下面的内容前,您只需要建好一个文件夹,然后用pycharm打开它就好了。

本文不涉及python3的语法(除非是一些高级特性对使用pytest有帮助的),不过python语法很简单,照着写也能写,如果想系统学习,我推荐这个教程:www.liaoxuefeng.com/wiki/101695…

此时,这个虚拟环境就创建好了,我们可以看到根目录下多了一个橙红色的venv文件夹。

golang会把所有的包都下载到同一个目录,然后使用包名+版本唯一指定一个包,并在编译时读取go.mod,获取对应的包+版本。而python不同,python的包的目录下,一个包只会有一个文件夹,不会有多版本共存的情况。因此虚拟环境就是帮你创建好一个仅有这个项目可用的,下载第三方包的文件夹。

然后我们再创建一个requirements.txt文件,一个pytest.ini文件

requirements.txt这个文件类似golang的go.mod文件,用来指定依赖与版本的。不过requirements.txt是一个给人看的文件,python在运行时不会检查requirements.txt。

allure-pytest==2.8.6
allure-python-commons==2.8.6
pytest==6.2.3
pytest-assume==2.2.1
pytest-cov==2.8.1
pytest-cover==3.0.0
pytest-coverage==0.0
pytest-dependency==0.5.1
pytest-forked==1.4.0
pytest-pythonpath==0.7.4
pytest-ordering==0.6
pytest-repeat==0.9.1
pytest-rerunfailures==11.0
pytest-xdist==1.30.0
python-dateutil==2.8.2
retry==0.9.2
retrying==1.3.4

这个是pytest的运行配置文件。pytest会在运行目录中自动找到文件,并读取配置。这里面预设了一些配置,能省去我们之后在命令行里敲配置。

[pytest]
markers =
    p0: 优先级标 marks tests as p0
    p1: 优先级标 marks tests as p1
    p2: 优先级标 marks tests as p2

python_paths = .
addopts = -v -s --alluredir=reports/ecs --junit-xml=reports/result.xml --import-mode=importlib

python_classes = Test*
python_files = test*
python_functions = test*

# 这里配置一下之后,在allure的界面上,可以看到格式化之后的日志
log_cli = True
log_level = INFO
log_format = %(asctime)s.%(msecs)03d[%(levelname)s]%(pathname)s:%(funcName)s:%(lineno)d: %(message)s
log_date_format = %Y-%m-%d %H:%M:%S
# 虽然pytest自己就可以设置日志相关参数,但是有个大问题,在启用pytest-xdist之后,日志无法输出到控制台
# 这是相关的issue:https://github.com/pytest-dev/pytest-xdist/issues/574
# 因此,我们不得不设置两遍:
# 1. 在pytest侧设置一遍,用于格式化allure中的日志
# 2. 自己用logger.conf来设置一遍logger,

最后两步,我们安装一下依赖,并检查一下

  1. 目前根目录下应该有这些东西(如图左)
  2. 打开pycharm自带的命令行工具,并运行pip3 install -r requirements.txt(如图右)

  1. 接着在命令行里输入pytest --version,确认一下pytest是否安装完成

pycharm的配置

打开preferences,按如下设置,然后重启打开这个项目

如果你之前已经有了一些运行配置,则需要把他们先全删掉

第一个测试

我们创建一个test_my_heart.py文件,编辑这些内容

import logging

def my_heart_status():
    return "bad"

def test_my_heart():
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("即将检查我的心脏")
    assert my_heart_status() == "healthy"

在命令行中输入pytest得到这些输出:

是不是神奇,又很简单?我猜你可能有这些疑问:

pytest怎么知道哪些函数是测试?

这里,pytest在目录下递归寻找测试函数,并运行。查找的规则如下:

  1. 寻找以test开头或结尾的py文件
  2. 在第一步中找到的文件中寻找以Test开头的类,并且没有__init__方法(可省略)
  3. 在第一步中找到的文件中寻找以test_开头的函数,或者在第二步中找到的类中寻找以test开头的方法。

assert是什么?

assert是断言,简而言之,assert后面跟一个表达式,并且这个表达式返回bool值。如果bool值是True,则测试通过;如果是False,则测试失败。

注意!在pytest中写测试的时候,一定要使用assert去做测试结果的断言,而不要主动抛出错误(比如raise error)。pytest mock了assert的实现,因此可以捕捉到用例的失败,以及失败时的上下文。注意看下图中pytest主动输出的上下文:

如果主动raise error,则不会有这么清晰的上下文输出。

优雅使用assert

import logging

def my_heart_status():
    return "bad"

def test_my_heart():
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("即将检查我的心脏")
    assert my_heart_status() == "healthy", f"检查我的心脏失败,实际结果为{my_heart_status()}"

报错信息对比

img

生成测试报告

可以注意到,刚刚运行完之后,在根目录多了一个reports文件夹。这个文件夹存放了测试结果,但是这个测试结果不是人类可读的,因此我们需要生成一个人类可读的测试报告。虽然命令行的输出也能看,但是生成的测试报告实在太方便了,因此我强烈建议用网页版的测试报告来查看测试结果。

我们首先安装一下allure:brew install allure。然后运行allure generate reports/ecs -o reports/html --clean。我们就生成了人类可读的html测试报告。然后打开这个html(如图左),并把语言转成中文(如图右)

如果想了解更多关于allure的细节,可以自己摸索与参考这个连接~:qualitysphere.gitee.io/ext/allure/…

类别、测试套、功能、包,这四个title都可以查看到所有的测试用例执行情况。但是我最推荐**“功能”**来查看,因为这个title展示起来最清晰,需要点击的次数最少。下面是在面对几十个测试用例下,几个tab页的区别。

查看失败的原因

回到我们自己的例子上,我们点击功能,点击我们刚刚失败的case(如左图),我们可以看到是哪个case失败了。更进一步,我们点开几个框框,可以看到具体的日志和测试详情。

Mark

docs.pytest.org/en/7.1.x/ho…

打标签

使用pytest的mark能力,我们可以给case打tag,然后按tag来运行不同的case。比如最基础的,区分P0与P1 case。我们来修改一下之前的代码:

import logging
import pytest

def my_heart_status():
    return "stopped"

def my_heartbeat():
    return -1

@pytest.mark.p0
def test_my_heart_status():
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("即将检查我的心脏")
    assert my_heart_status() == "running"

@pytest.mark.p1
def test_my_heartbeat():
    """
    测试一下我的心脏跳动是否正常
    """
    logging.info("即将检查我的心脏")
    assert 50 < my_heartbeat() < 180

然后我们运行pytest -m p0,会得到如右图的结果:

可以看到pytest把两个用例都识别出来了,但是只跑了标记了p0的用例,而标记了p1的用例没有跑:

此外,所有的mark需要提前声明。在这个case中,我们在【先利其器】中创建的pytest.ini文件中已经提前声明好了一些mark(如图下一),如果没有提前声明,那么pytest会有报警(如图下二):

image.png

暂时不运行

如果某个用例暂时有问题,或者用例写好了,但是功能没写好,我们可以标记先跳过这个用例(如图左)

更进一步,我们可以有条件得跳过某些case,比如我们先看看当前的环境,是否在ICU,如果在的话,就不管心跳了。

同一个用例不同的参数

比如现在有一个查询的测试接口,我们要测试不同查询条件下接口是否符合预期。从最简单的开始:不同的page size:

可以看到,虽然我们只写了一个用例,但是利用pytest.mark.parametrize,我们实现了类似表驱动测试的效果。

下面使用了pytest -k参数。使用细节可以参考FQA-如何只跑一个测试?

我们也可以在一个pytest.mark.parametrize内设置多个参数:

我们还可以让多个参数排列组合,只需要添加多个pytest.mark.parametrize即可:

Fixture

前置依赖

fixture(中文名叫做夹具)是pytest最重要的一块功能,pytest可以通过fixture来指定前置依赖,并且pytest将解析依赖顺序,然后按照顺序一个一个函数执行。如果前置依赖执行失败了,那么后续的操作就自动不会执行。以上是fixture的特点。而我们使用fixture,主要看中其三个功能:

  1. 声明前置依赖(可以在测试报告里看到,而不用看代码了)。
  2. 缓存同一作用域下的前置依赖,并让多个用例共用一个前置依赖(通过复用资源,提高运行速度,减少资源占用)。
  3. 在case运行完之后清理资源。(方便~)

先来一个简单的例子,我们把之前主动调用的my_heart_status与my_heartbeat改成前置依赖。代码如下:

import logging
import pytest

@pytest.fixture()
def my_heart_status():
    return "running"

@pytest.fixture()
def my_heartbeat():
    return 80

@pytest.mark.p0
def test_my_heart_status(my_heart_status):
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("即将检查我的心脏")
    assert my_heart_status == "running"

@pytest.mark.p1
def test_my_heartbeat(my_heartbeat):
    """
    测试一下我的心脏跳动是否正常
    """
    logging.info("即将检查我的心脏")
    assert 50 < my_heartbeat < 180

解释一下,上述代码,通过给函数加上@pytest.fixture这个装饰器,pytest可以收集到所有的fixture。然后pytest会分析每个测试用例的入参,按命名找到对应的fixture,执行fixture,并把fixture的结果传给测试用例。

同时,在我们使用了fixture之后,在测试报告中也能看到测试用例的前置依赖。如果前置依赖失败而导致用例失败,也能在测试中清晰看到:

conftest

刚刚我们把测试用例与fixture写在同一个py文件内,那么这些fixture只能在这个py文件内使用。如果要让fixture能被多个py文件使用,则需要把fixture写到conftest.py文件中。pytest会递归寻找目录下名为conftest.py的文件,并使这些fixture在其子目录都可用。

举个例子:共有三层目录,两个conftest.py文件,三个test.py文件。

- conftest.py # 有fixtureA
- test_x.py
- TestOtherDir  # 这是一个文件夹
  - conftest.py. # 有fixtureB
  - test_y.py
  - TestZDir  # 这是一个文件夹
    - test_z.py

上面的例子中,fixtureA可以被三个test.py文件使用。fixtureB只能被test_y.py、test_z.py使用。

让我们新建一个conftest.py文件,并把两个fixture都放进入。

作用域 & 缓存与共用fixture

fixture的一个大用途在于:在同一作用域下多个case共享同一个前置依赖。我们将上述的例子改一下,假设通过一个方法就可以获得heart的所有信息。

# 在 conftest.py中
import logging
import pytest
class Heart:
    def __init__(self, status, beat):
        self.status = status
        self.beat = beat

@pytest.fixture()
def my_heart():
    logging.info("获取heart信息")
    return Heart("running", 80)

# 在 test_heart.py中
@pytest.mark.p0
def test_my_heart_status(my_heart):
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("检查心脏状态")
    assert my_heart.status == "running"

@pytest.mark.p1
def test_my_heartbeat(my_heart):
    """
    测试一下我的心脏跳动是否正常
    """
    logging.info("检查心跳")
    assert 50 < my_heart.beat < 180

然后如下图,my_heart函数调用了两次。这是因为每个fixture默认的作用域是function级别的,即每个测试用例都会重新执行一遍这个fixture。

作用域一共有四种:

  • function:每个测试用例都运行一次该fixture(默认)
  • class:class内所有方法只运行一次该fixture(一个类内可以有多个测试方法)
  • module:一个.py文件只执行一次该fixture
  • session:每次调用pytest命令下,只执行一次(跨多个py文件,多个文件夹)

我们将其作用域改为module,然后看看执行结果。可以看到这个fixture只会执行一次。

如果我们将两个测试用例放在两个py文件下,则又会执行两次。

如果我们将两个测试用例放在两个py文件下,但是作用域设置成session,则只会执行一次。

更多的例子可以参考这个文档:blog.youkuaiyun.com/Tangerine02…

嵌套

除了case可以通过fixture设置前置依赖,fixture本身也可以设置前置依赖~

# 在 conftest.py中
import logging
import pytest

class Heart:
    def __init__(self, status, beat):
        self.status = status
        self.beat = beat

@pytest.fixture()
def prepare():
    return "abc"

@pytest.fixture()
def my_heart(prepare):
    logging.info("获取heart信息" + prepare)
    return Heart("running", 80)

可传参Fixture

我们可以通过把函数调用转为fixture依赖,来获得更加直观的测试报告与前置依赖缓存。但是在函数调用时可以传递参数,那我们怎么给fixture传递参数呢?

接着上面的例子,我们需要检查不同年龄、不同性别的心脏:

在fixture中,需要将第一个参数设置为request,然后可以通过request.param拿到测试用例传来的所有参数。

在测试用例中,用法基本pytest.mark.parametrize相同,只需要添加indirect=True即可。

# 在 conftest.py 中
import pytest

class Heart:
    def __init__(self, status, sex, beat):
        self.status = status
        self.sex = sex
        self.beat = beat

@pytest.fixture(scope="module")
def my_heart(request):
    logging.info("获取heart信息")
    return Heart("running", request.param["sex"], request.param["age"] * 5)

# 在 test_my_heart.py 中
import logging
import pytest

@pytest.mark.parametrize("my_heart", [{"sex": "female", "age": 13}, {"sex": "male", "age": 15}], indirect=True) # 注意这里!
def test_my_heartbeat(my_heart):
    """
    测试一下我的心脏跳动是否正常
    """
    logging.info("检查心跳")
    assert 50 < my_heart.beat < 180


可传参Fixture的作用域

前文提到,在同一作用域下的fixture只会被执行一次。那如果我们给fixture传递了不同的参数参数,作用域会发生什么样的变化呢?

接着上面的例子,conftest.py的代码不变,我们修改test_my_heart.py的代码:

import logging
import pytest

user1 = {"sex": "male", "age": 15}
user2 = {"sex": "female", "age": 13}

@pytest.mark.parametrize("my_heart", [user1], indirect=True)
def test_my_heart_status(my_heart):
    """
    测试一下我的心脏是否在跳动
    """
    logging.info("检查心脏状态")
    assert my_heart.status == "running"

@pytest.mark.parametrize("my_heart", [user2], indirect=True)
def test_my_heartbeat(my_heart):
    """
    测试一下我的心脏跳动是否正常
    """
    logging.info("检查心跳")
    assert 50 < my_heart.beat < 180

这样运行一遍,我们会发现fixture会执行两次。而如果我们把user2改成user1,则只会运行一遍。因此,我们可以得出结论:对于可传参的fixture,参数+fixture共同构成唯一一个前置依赖。

有个小问题,Python如何判断两个值是否相等呢?对于Python而言,判断两个值相等有两个操作符,== 和is。==用来判断值是否相等;is用来判断地址是否相等。对Pytest的fixture而言,其使用is来判断是否相等。因此两个相同的dict也会让fixture执行两遍,只有声明一个全局变量,然后两者都使用这个全局变量,才会让fixture只执行一遍。

更多关于Python == 和 is的区别,可以参考这个讨论:www.zhihu.com/question/20…

虽然@pytest.mark.parametrize可以设置scope(作用域),并且可以覆盖原有fixture的作用域。但是并不推荐这么做,因此这里不展开。

资源清理

比如我们想观测Heart,得先连接一个监听器到Heart上,在我们测试结束之后,再把监听器给卸载掉。首推的做法是使用yield,这个写法更加简单清晰

@pytest.fixture(scope="module")
def my_heart(request):
    logging.info("连接监听器")
    logging.info("获取heart信息")

    yield Heart("running", request.param["sex"], request.param["age"] * 5)

    logging.info("卸载监听器")

其次推荐的是使用fixture的request参数,request.addfinalizer()。我们来修改一下之前的my_heart fixture。

@pytest.fixture(scope="module")
def my_heart(request):
    logging.info("连接监听器")

    def teardown():  # 这个函数的名字是随意的,也可以叫别的
        logging.info("卸载监听器")

    request.addfinalizer(teardown) # 这一行,注册一个fixture生命周期结束后运行的函数

    logging.info("获取heart信息")
    return Heart("running", request.param["sex"], request.param["age"] * 5)

有两个点需要注意:

第一是两种方式存在细微的逻辑差别,当下图中红色框框内的代码段报错时(raise error),使用addfinalizer会执行teardown的逻辑(前提是addfinalizer先于报错代码段运行),而使用yield则不会。

第二是要注意,写teardown的时候,要考虑红色框框内失败的情况。举一个例子,有一个创建资源的fixture,并且内置删除资源的teardown逻辑。当创建资源失败时,teardown去删除资源,可能会报错NotFound,此时不应该raise error。

执行顺序与清理顺序

首先需要注意的是,由于并发跑测试、每次跑的测试集不同,pytest跑用例的顺序总是没有规律的。因此case与case之间最好不要有任何的顺序依赖关系。如果case之间依赖相同的fixture,最好在每次执行完之后,把这个fixture还原到最开始的状态。

其次,fixture自身的执行顺序和清理顺序是有迹可循的,其按照以下顺序以此执行。

  1. 首先执行autouse=True的fixture
  2. 其次执行某个case依赖的fixture,如果一个case依赖多个fixture,则按顺序,从左到右依次执行。
  3. 其次执行fixture依赖的fixture,如果一个fixture依赖多个fixture,则按顺序,从左到右依次执行,并按DFS(深度优先)递归解析依赖。

而对于清理操作,则会按上述顺序反着来,即最先被执行的fixture,最后被清理。

我们新起一个py文件来看看,左侧展示了DFS的规则,右侧展示autouse的影响。对于这个case,大家可以自行修改代码并执行,体会一下依赖关系。

# test_order.py
import pytest

@pytest.fixture()
def a():
    print("准备AAA")
    yield "a"
    print("清理AAA")

@pytest.fixture()
def b():
    print("准备BBB")
    yield "b"
    print("清理BBB")

@pytest.fixture()
def c(a, b):
    print("准备CCC")
    yield "c"
    print("清理CCC")

def test_order_1(c):
    pass

准备AAA
准备BBB
准备CCC
PASSED
清理CCC
清理BBB
清理AAA
# test_order.py
import pytest

@pytest.fixture()
def a():
    print("准备AAA")
    yield "a"
    print("清理AAA")

@pytest.fixture(autouse=True)
def b():
    print("准备BBB")
    yield "b"
    print("清理BBB")

@pytest.fixture()
def c(a, b):
    print("准备CCC")
    yield "c"
    print("清理CCC")

def test_order_1(c):
    pass

准备BBB
准备AAA
准备CCC
PASSED
清理CCC
清理AAA
清理BBB

FAQ

如何只跑一个测试?

有三种方式

一种是直接点击pycharm的这个箭头,就可以。如果点击后有些问题,请参考【先利其器】一章节的内容设置一下pycharm

一种是直接在命令行中调用pytest -k XXX,XXX是你的测试函数或者测试类。如果你的测试函数名与其他地方的测试函数名重合,则可以加上路径,比如pytest FFF -k XXX。其中FFF是你所要运行的用例的路径,精确到文件夹或者文件都可以。

一种是不使用-k,直接pytest XXX,XXX的格式可以参考下图

某个fixture找不到

python的函数很容易被同名的变量、或者其他函数覆盖。有一个很诡异的例子:

# 在 conftest.py 中
from a_fixture import *
from a import *

# 在 a_fixture.py 中
@pytest.fixture
def aaa():
    pass

# 在 a.py 中
aaa = None

在上述例子中,运行pytest --fixtures是找不到aaa这个fixture的。但是如果把两个import的顺序替换一下,就又能看到了。

只运行上次失败的case

在运行完之后,运行结果会保存在reports目录下。我们可以运行pytest --lf来只运行上次失败的case。

allure的报告很混乱

因为每次运行的结果都会保存在reports目录下,所以reports的东西会越来越多,让allure生成的报告也越来越复杂。因此过一段时间可以把reports目录全部删掉,这样报告就清晰了。

单个case下的日志文件是按什么规则收集的

通常而言,一个case执行了什么(包括前置依赖、自身的逻辑、资源清理的日志),都会在一个case的日志中。

但是,如果多个case依赖了同一个fixture,那么这个fixture的创建日志只会出现在其第一次被执行的case的日志中,后续的case就没有这部分日志了。

allure报告中的黄颜色的item是什么意思?

意思是代码发生了panic(raise error)。通常是代码没有做错误处理导致的。

---------------------------END---------------------------

题外话

感谢你能看到最后,给大家准备了一些福利!

感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。


👉优快云大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

img

二、Python兼职渠道推荐*

学的同时助你创收,每天花1-2小时兼职,轻松稿定生活费.
在这里插入图片描述

三、最新Python学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

img

四、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

img

👉优快云大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

若有侵权,请联系删除

Python测试生态核心组合:pytest + pytest-asyncio + pytest-cov实战指南 在Python开发中,单元测试是保障代码质量的关键环节,其核心原理是通过自动化验证代码逻辑的正确性,从而提升软件的可靠性和可维护性。pytest作为Python生态中最主流的测试框架,提供了简洁的语法和强大的扩展能力,能够显著提升测试效率。结合pytest-asyncio插件,开发者可以无缝测试基于asyncio的异步代码,满足现代Web框架如FastAPI的测试需求;而pytest-cov插件则能生成直观的测试覆盖率报告,帮助量化测试完备性,精准定位代码盲区。这套组合工具链特别适用于同步与异步混合的Pyt 阅读详情

相关推荐

Python自动化测试框架pytest:从入门到精通实战指南

在软件测试领域,自动化测试框架是提升测试效率与质量的核心工具。pytest作为Python生态中最主流的测试框架,以其简洁的语法、强大的扩展性和灵活的插件体系,成为现代测试工程化的首选。其核心原理基于“约定优于配置”的设计哲学,通过自动发现测试用例、支持参数化测试和Fixture依赖注入等机制,显著降低了测试代码的编写和维护成本。在技术价值层面,pytest不仅提升了测试执行速度与覆盖率,更通过丰富的插件生态(如pytest-html、pytest-xdist、allure-pytest等)支持分布式测试、

weixin_30301449的博客 728

pytest学习和使用-pytest如何进行分布式测试?(pytest-xdist)

在进行本文之前,先了解些基础知识,什么是分布式测试?分布式测试:是指通过局域网和Internet,把分布于不同地点、独立完成特定功能的测试计算机连接起来,以达到测试资源共享、分散操作、集中管理、协同工作、负载均衡、测试过程监控等目的的计算机网络测试。通俗的讲:分布式测试 就是活太多,一个人干费时间,那就让多个人一起干,节省了资源和时间。

nhb687096的博客 1267

【测试】Pytest

本文系统对比了unittest与pytest,突出pytest在自动发现、断言重写、fixture依赖注入、参数化测试及插件扩展等方面的显著优势。通过conftest.py实现跨文件共享,结合scope控制生命周期,提升测试效率与可维护性,推荐用于现代Python测试实践。

不定期常更新,关注能加快我的更新速度~ 1764

pytest每条case在子进程单独运行,allure收集不到测试结果解决办法

父进程中,使用子进程返回的allure test result替换原来的值。序列化及反序列化report和test result。子进程中返回allure test result。

lilybupt的博客 668

Python库 | pytest_forked-1.1.3-py2.py3-none-any.whl

资源分类:Python库 所属语言:Python 使用前提:需要解压 资源全名:pytest_forked-1.1.3-py2.py3-none-any.whl 资源来源:官方 安装方法:https://lanzao.blog.youkuaiyun.com/article/details/101784059

告别系统迁移蓝屏!用Intel RST驱动搞定11代酷睿装Win11的硬盘识别难题

本文详细介绍了如何通过Intel RST驱动解决11代酷睿处理器在安装Win11时遇到的硬盘识别问题。针对VMD技术导致的系统迁移蓝屏错误,提供了从驱动下载、PE环境创建到驱动注入的完整解决方案,帮助用户顺利完成系统升级或迁移。

weixin_31309419的博客 581

pytest接口自动化测试框架 | 多进程运行用例

视频来源B站《冒死上传!pytest接口自动化测试框架(基础理论到项目实战及二次开发)教学视频【软件测试】》一边学习一边整理老师的课程内容及试验笔记,并与大家分享,侵权即删,谢谢支持!安装pytest-xdist。也是通过命令行执行生效。......

团爸讲算法 711

基于Canfestival的对象字典工具objdictedit.py的运行环境配置

本文以菜狗的视角,一步一步地对对象字典的环境进行配置,旨在能给读者一个比较详细的参考,不恰之处,还请指正。

在线求职中... 3714

pytest自动化测试框架,真正做到从0到1由浅入深详细讲解【万字级】

目录 嗨咯铁汁们,很久不见,我还是你们的老朋友凡叔,这里也感谢各位小伙伴的点赞和关注,你们的三连是我最大的动力哈,我也不会辜负各位的期盼,这里呢给大家出了一个pytest自动化测试框架由浅入深详细讲解。 一:框架简介 1:Pytest框架简介: 2:pytest框架环境搭建: 3:pytets执行测试用例 4:一般做项目是新建package包的  5:pytest函数级别 6:pytest类级别(工作一般以类位单元,一个模块一个类,登录类,订单类,购物类) 7:自动化测试里面的环境初始

分享测试知识 3万+

光学设计进阶:Zemax中的坐标断点与离轴系统优化

本文深入解析了Zemax中坐标断点的核心原理与实战应用,它是实现离轴光学系统设计的关键。文章通过比喻和实例,详细阐述了如何利用坐标断点作为“方向盘”来精确控制光学元件的偏心和倾斜,实现“前断后接”的局部坐标系变换,从而构建并优化无中心遮拦的离轴反射系统,避免光线失控。

3a9bq4r8t2y的博客 528

从《视觉SLAM十四讲》到项目实战:一文读懂拓扑地图与语义地图为何是服务机器人的未来

本文探讨了服务机器人地图技术的演进,从传统几何地图到拓扑地图与语义地图的跨越。通过分析栅格地图的局限性和拓扑地图、语义地图的优势,揭示了它们在动态开放环境中的智能应用。文章还介绍了多模态语义融合架构和动态语义更新技术,为服务机器人的未来发展提供了技术路线图。

weixin_30292843的博客 478

写给不常写Python的人的pytest全教程

如果前置依赖执行失败了,那么后续的操作就自动不会执行。而python不同,python的包的目录下,一个包只会有一个文件夹,不会有多版本共存的情况。然后pytest会分析每个测试用例的入参,按命名找到对应的fixture,执行fixture,并把fixture的结果传给测试用例。第一是两种方式存在细微的逻辑差别,当下图中红色框框内的代码段报错时(raise error),使用addfinalizer会执行teardown的逻辑(前提是addfinalizer先于报错代码段运行),而使用yield则不会。

2401_85696278的博客 1693

dummy机械臂代码学习(六)

CLI-Tool文件夹下又包含四个子文件夹,以及一个gitignore文件、一个run_shell.py的python文件、一个run.bat文件和一个zadig exe文件。库解析命令行参数,并根据不同的命令执行相应的操作。Zadig是一个用于Windows操作系统的开源工具,它的主要功能是安装和配置USB驱动程序。的目的呢就是确保在版本控制过程中,不必要的或自动生成的文件被忽略掉,来保持代码仓库的干净和整洁。,DummyStudio的软件作者已放在GitHub,我们主要看CLI-Tool文件夹就行。

jumaohhh的博客 1436

python之pytest实战:用pytest写单元测试(一)

pytest 是 Python 生态中最流行的测试框架之一,以简洁灵活、功能强大、扩展性高为核心特点,广泛用于单元测试、集成测试、功能测试等场景,尤其适合复杂项目的测试组织与执行。(ps:来自于网络搜索)写的时候有几个点要强调一下:1.写单元测试的py文件名一定要以test为开头(比如给123.py写单元测试的py文件就可以命名为test_123.py)2.在代码文件中(以test_123.py为例),里面的所有。

abcdefghijklmn66的博客 1848

Windows 10 本地硬盘变成了可弹出磁盘

今天新装了系统, 电脑是一个SSD+HHD, 没想到装好之后右下角显示可安全删除设备, 两个硬盘在那里. 这还得了. 查了一下午, 大致知道了是什么问题. Standard SATA AHCI controller使用高性能的硬盘模式就会把硬盘看作是一个可热插拔的存储器, 所以自然就会显示可弹出. 如果你的BIOS支持关闭HotSwap或者HotPlug, 那么直接关闭就可以了. 或者你直接在BIOS里把磁盘模式改为IDE, 不过这样就发挥不好你SSD的高性能了. 还有一种解决方法, 就是手动让系统把这两个

落日之城 4万+

【CUDA Runtime】第一个“Hello World“程序

CUDA(Compute Unified Device Architecture)是 NVIDIA 提供的一个并行计算平台和编程模型,旨在通过利用 GPU 的强大计算能力来加速计算密集型应用。对于许多开发者而言,开始学习 CUDA 编程的第一步通常是编写一个简单的“Hello World”程序。尽管 CUDA 的实际应用远远超出一个简单的例子,但这个初步的示例能帮助开发者快速入门,理解基本的 CUDA 编程流程。

m0_62599305的博客 1508

Python —— pytest框架

1、搭建自动化测试框架的思路和流程,任意测试手段流程都是一致的:手工测试、自动化测试、工具测试不需要安装,不能自动发现测试用例,手动收集用例pytest:第三方库,需要安装导入使用:智能自动收集所有用例,使用更广泛- 安装: pip install pytest- 导包:import pytest3. unittest和pytest都是单元测试框架,都可以用来编写测试用例,运行用例,生成报告,实现测试前置和后置等。

南夏一木子的博客 4209

【STK】手把手教你利用STK进行导弹和反导仿真04 - STK/MMT模块04 导弹飞行工具应用案例

(6)打开STK,导出的范围轮廓以我们定义的Iran区域目标不同的颜色显示,并将以对象浏览器中定义为区域目标。最后将生成的轨迹导出到STK进行显示和分析。(12)在场景中新创建两个Target,将它们命名为Target1和Target2,并将他们放置在发射的Launch的射程范围之内。(2)在STK中插入AreaTarget对象,在“插入STK对象”工具中,选择“区域目标”对象类型和“选择国家/地区”当前在“飞行列表”窗口中选择的飞行路径将显示较大的启动和目标图图标,并带有较粗的带注释的连接线。

weixin_44184852的博客 1704

【接口自动化测试】pytest 框架

pytest 是一个非常流行且高效的 Python 测试框架,它提供了丰富的功能和灵活的用法,使得编写和运行测试用例变得简单而高效。

Edison's 小宇宙 2万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

pytest框架终极指南:从零开始掌握Python自动化测试

想要快速掌握Python测试框架中最流行的pytest吗?这篇完整教程将带你从安装配置到高级用法,用简单步骤实现高效测试。无论你是测试新手还是经验丰富的开发者,都能在这里找到实用的解决方案。 pytest框架让编写小型测试变得简单,同时也能支持复杂的功能测试。它的简洁语法和强大功能使其成为Python生态系统中最受欢迎的测试工具之一。 ## 🚀 快速上手:环境搭建与基础测试 ### 安装p

gitblog_00049的博客 1912

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

上一篇: 作为一名python开发者,想要兼职接单,需要学那些技术?要达到什么水准?为什么要学这些技术?
下一篇: 使用 Python 代码结合 VBA创建线柱组合图表
Python_P叔
博客等级 码龄3年 5455粉丝 827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值