佛山公司推广优化_新品手机发布会一览表_重庆关键词排名首页_广告公司营销策划方案

建议关注、收藏！

自动化测试工具。

功能

1. 单元测试：用于验证代码的最小功能单元（如函数、方法）的正确性。
   简单的语法：不需要继承特定类或使用复杂的结构。断言语句简化。
   自动发现测试：Pytest 会自动查找以 test_ 开头的函数或文件。

def add(a, b):return a + bdef test_add():assert add(1, 2) == 3def test_subtract():result = 10 - 5assert result == 5

pytest #运行

2. 参数化测试
   @pytest.mark.parametrize 可以在一个测试函数中测试多组输入和输出

@pytest.mark.parametrize("a, b, expected", [(1, 2, 3),(2, 3, 5),(10, 5, 15)
])
def test_add(a, b, expected):assert add(a, b) == expected

3. 功能测试、集成测试、回归测试
4. 插件
   pytest-django：测试 Django 项目。
   pytest-flask：测试 Flask 应用程序。
   pytest-cov：生成测试覆盖率报告。
   pytest-xdist：支持并行运行测试，提高测试效率。
5. 测试用例分组和标记
   @pytest.mark给测试用例添加标记，以便运行特定分组的测试。

@pytest.mark.slow
def test_slow_function():# 测试代码pass

pytest -m slow

6. 灵活的前置与后置处理（Fixture）
   用于在测试前后进行环境的初始化与清理。

import pytest@pytest.fixture
def sample_data():return {"key": "value"}def test_with_fixture(sample_data):assert sample_data["key"] == "value"

7. 错误重试与失败处理
   使用插件（如 pytest-rerunfailures）可以重试失败的测试用例。
   生成 HTML 测试报告（使用 pytest-html 插件）。

pytest --html=report.html

8. 集成 CI/CD
   Pytest 易于与持续集成工具（如 Jenkins、GitLab CI/CD、GitHub Actions）集成，自动化测试流程。

pytest

支持简单单元测试及复杂功能测试
结合requests实现接口测试
结合selenium硒,appium实现自动化功能测试
结合allure继承到jenkins实现持续集成
支持315+种插件
报告、多线程、顺序控制
兼容python的unittest
定制化插件开发

#text.py
def inc(x):return x+1
def test_answer():assert inc(3)==5pip install pytest #安装到了base环境
#command里输入
pytest main.py

命名规则注意：文件名必须得是 test_ 开头 或者 _test 结尾;类要用Test_开头，方法用test_开头，这样行号会出现绿色运行箭头
测试类中不可以添加__init__构造函数，如果添加则不认为是测试类，所有测试方法都识别不到了

pycharm->setting->tools->python intergrated tools->default test runner:pytest

• 断言：执行到这个位置，对应的断言应为真。当不为真时，程序终止执行并给出错误信息。

def test_x(self):
#测试步骤
#断言 实际结果对比预期结果assert ActualResult==ExpectedResultclass Testx:def setup(self):#资源准备passdef teardown(self):#资源销毁passdef test_x(self):#测试步骤#断言 实际结果对比预期结果assert ActualResult==ExpectedResult#断言用法
assert <表达式>
assert <表达式>,<描述>def test_a():assert 'abc' in 'abcd'
import sys
def test_b():assert ('linux' in sys.platform),"该代码只能在linux下运行"

• setup/teardown
  相当于就是某个事件开始前的资源准备->setup；事件完成后的资源销毁->teardown；
  以下是各个层级的setup/teardown:
  

#需要哪个层级的触发 就在哪个地方放哪个def setup_module():#全局的最多只会执行一次print("资源准备:setup module")
#setup teardown不需要成对出现，根据需求选择
def teardown_module():print("资源销毁:teardown module")

• 参数化
  使定量信息变量化。可以对其进行不同的赋值。
  e.g. 对搜索框进行输入测试。这个输入可以设成一个变量，每次只需要调整搜索的输入。
  注意：

1. 参数化的名字要与方法中的参数名一一对应
2. 如果传递多个参数，要放在列表中，作为嵌套列表/元组
3. ids的参数个数要==传递的参数个数

#单参数
import pytest
search_list=['appium','selenium','pytest']
@pytest.mark.parametrize('name',search_list)
def test_search(name):#这个name要和上述的name字段相等，对应上assert name in search_list
#多参数
params=[('3+5',8),('2+5',7),('6+5',12)]
@pytest.mark.parametrize("test_input,expected",params,ids=['p1','p2','p3'])
#用例重命名 ids
#ids是对params里面的每个参数进行重命名，可以用这个名字分别代表它们
def test_mark_more(test_input,expected):assert eval(test_input)==expected#笛卡尔积 在测试中叫全量测试 几乎不实际 过于浪费时间
#在排查不确定的问题时可以用
@pytest.mark.parametrize('wd',['appium','selenium','pytest'])
@pytest.mark.parametrize('code',['utf-8','gbk','gb2312'])
def test_dkej(wd,code):print(f"wd:{wd},code:{code}")
'''
print(f'.....')
注意：f后面一定要紧跟字符串，不能隔有空格，否则会报错
print语句中加入f就可以起到和format函数类似的作用。
'''

• 标记测试用例
  只执行需要的一部分测试用例，可以把一个web项目划分成多个模块，制定模块名称执行。
  只需要在测试用例方法上加@pytest.mark.标签名
  -m 执行自定义标记的相关用例

pytest -s test_mark_zi_09.py -m=webtest #加不加=都可以
pytest -s test_mark_zi_09.py -m apptest
pytest -s test_mark_zi_09.py -m "not ios" #这个是指测试所有标签中不包括ios的用例
pytest -s test_mark_zi_09.py -vs -m apptest #-vs指打印详细日志
pytest -s test_mark_zi_09.py -m "str" #执行标签名为str的所有用例
#-k 可以进行部分匹配 只要标签名里包含这个 就执行

@pytest.mark.int #装饰器 不改变原有代码+增加相关功能 标记新标签"int"
def test_double_int():print('test_double_int')assert 2==double(1)#为了防止报出warning，虽然不影响执行
#新建pytest.ini
#这个文件中放入：
[pytest]
markers= str  #多个参数不要写在同一行，要换行且不顶格bignumfloatintzerominus
#顶格的换行参数会被认为是key 地位等同于markers#这样之后 pytest就可以识别出 def[test_double_标签名]这里面的标签名
#e.g. test_double_int 中的'int'/....它们注册成为了标签

• 跳过及预期失败
  这是pytest的内置标签，可以处理特殊的测试用例
  skip:始终跳过
  skipif:如果…跳过
  xfail:如果…产生一个“期望失败”输出

使用场景：

1. 调试时不想运行这个用例
2. 标记无法在某些平台上运行的测试功能
3. 在某些版本中执行，某些版本则跳过它
   e.g. 当前外部资源不可用时跳过
   如果测试数据是从数据库中取到的；连接数据库的功能，如果返回结果未成功则跳过；开发人员代码未写完；

#解决1:添加装饰器
@pytest.mark.skip 
@pytest.mark.skipif
#解决2:代码中添加跳过代码
pytest.skip(reason='代码未写完')#1.这些代码直接放在需要跳过的函数def的上一行。
#2.放在函数内部进行条件判断使用
def test_function():if not check_login():pytest.skip("unsupported configuration")print('end')import pytest
import sys
print(sys.platform)
@pytest.mark.skipif(sys.platform=='darwin',reason='does not run on mac')#mac在这里其实叫darwin
def test_case1():print('enter 1')assert 1==2@pytest.mark.skipif(sys.platform=='win',reason='does not run on windows')
def test_case2():print('enter 2')assert 1==1@pytest.mark.xfail #起到提示的作用，bug改完之后去掉
def test_aaa():print("test_xfail1 方法执行")assert 2==2 #打印为XPASS#assert 2==3 #打印为XFAILxfail=pytest.mark.xfail@xfail(reason="bug 404")
def test_sample404():assert 0@pytest.mark.xfail #起到提示的作用，bug改完之后去掉
def test_aaa():print("start")pytest.xfail(reason="have not done this")#这行之后的函数作用域将不会执行print("processing")

• 运行用例
  运行某个/多个 用例包/用例模块/用例类/用例方法

1. IDE的界面操作
   多个文件用command选中，右键->run
2. 代码方式运行【选择这种，不容易出问题】

pytest -v #直接执行当前目录下的所有测试文件
pytest filename.py #test single file
pytest filename.py::ClassName #执行某个类
pytest filename.py::ClassName -v #打印显示具体执行了哪个用例
pytest filename.py::ClassName::test_demo1 -v #执行具体用例
pytest filename.py::test_demo1 -v#执行不属于类的用例#命令行参数 命令后面加上的...
-help
-x #用例error/fail 则立刻停止执行
'''
冒烟测试：不是全功能的测试，只是大概的测一下，只需要主要核心功能没问题。
'''--maxfail==num #用例达到多少停止
-m #标记用例 运行这一类的用例-k #执行包含某个关键字的测试用例
pytest test.py -v -k "str" #运行命名包含"str"的用例
#并告知deselected的个数
pytest test.py -v -k "not str" #运行命名不包含"str"的用例--collect-only #只收集统计测试用例但不运行 （测试平台，pytest自动导入功能）
--lf #(--last-failed) #只重新运行故障
--ff #(--failed-first)#先运行故障后运行其余的测试
-v #输出更加详细的运行信息
-s #输出调试信息 即print输出的信息
-vs #它俩的组合版

• 运行结果分析
  常用：fail/error/pass
  特殊：warning/deselect

1. error:代码写错、某种不正确的断言
2. fail 样例不通过
3. warning只是警告，不影响运行
4. deselect没有被选中的用例

• 代码执行pytest
  方式一：编写main函数，命令行中使用“python test_name.py ”

if __name__=='__main__':#运行当前目录下所有符合规则的用例，包括子目录里的pytest.main()#运行test_mark1.py::test_dkej模块中某一条用例pytest.main(['test_mark1.py::test_dkej','-vs'])#运行某个标签pytest.main(['test_mark1.py','-vs','-m','dkej'])
# 什么时候这里的__name__!='__main__'，当该文件被其他文件导入时

方法二：不使用main，使用python -m pytest test_name.py
(用到jenkins持续集成)

• 异常处理
  方法1:try…except

try:...
except (ValueError,ArithmeticError):...
except:...

方法2:
获取异常的细节（类型和信息），后面的代码不会继续执行

def test_raise():with pytest.raises(（ZeroDivisionError，ValueError）,match='must be 0 or None'):#如果有match匹配文字的需要，匹配后才能passraise ValueError("value must be 0 or None")#raise ZeroDivisionError("除数为0")
def test_raise1():with pytest.raises(ValueError) as exc_info:raise ValueError("value must be 42")assert exc_info.type is ValueErrorassert exc_info.value.args[0]=="value must be 42"

• 数据驱动
  数据改变而驱动自动化测试进行。
  数据量小的测试用例使用代码参数化实现数据驱动。
  数据量大的测试用例使用一种结构化的文件（如yaml,json等）来对数据进行存储，在测试用例中读取这些数据。
• • 应用场景：app,web,接口自动化测试
• 包含测试步骤的数据驱动、测试数据的数据驱动、配置的数据驱动

import pytest
import yaml #.yml是一种配置文件
class TestDemo:@pytest.mark.parametrize("env",yaml.safe_load(open("./env.yml")))#parametrize中如果传入的是dict类型，则只读取keydef test_demo(self,env):if "test" in env:print("this is test env")print(env)print(env["test"])#读取到ip 127.0.0.1 elif "dev" in env:print("this is develop env")#env.yaml
test:127.0.0.1 #这是字典格式#env.yaml
- #前面加一杠 转换成列表格式，里面的元素是{'test':'127.0.0.1 '}
test:127.0.0.1 

• • 读取excel文件
    第三方库：xlrd,xlwings,pandas,openpyxl
• • openpyxl

conda install openpyxl
pip install ...import openpyxl
book=openpyxl.load_workbook('path')#读取工作簿sheet=book.active#获取当前活跃的工作表#读取单元格的两种方式
cell_a1=sheet['A1']
cell_a3=sheet.cell(column=1,row=3)#读取多个连续的单元格
cells=sheet["A1":"C3"] #返回嵌套元组#获取单元格里的值
cell_a1.value

• • 读取csv文件
    cvs(comma-Separated Values) 以逗号分隔
    以纯文本形式储存

#读取数据
#采用内置函数
def get_csv():with open('demo.csv','r')as file:raw=csv.reader(file)for line in raw:print(line)values=[]for row in raw:values.append(line)return values #传入parametrize

• • 读取json文件
    json 是JS对象，javascript object notation
    json结构中对象是{“key”:value};数组是[value1,value2…]

json.loads() or json.load()
json.loads 从 JSON 字符串解析为 Python 对象。
json.load 从文件对象（如 .read() 的结果）解析 JSON 数据,输出字典dict。
data=json.loads(f.read())

#读取json
#内置函数open(),内置库json
#方法 json.loads() , json.dumps()def get_json():with open('demo.json','r')as f:data=json.loads(f.read())
#与 json.load(f) 相比，它多了一个中间步骤：
#先读取文件内容f.read()为字符串，再将字符串传递给 json.loads 进行解析。print(data) #type:dicts=json.dumps(data,ensure_ascii=False)#序列化 str->json#使得中文字符正常显示return list(data.values())

• 工程目录结构
  

#operation.py
def my_add(x,y):res=x+yreturn res# test_add.py
import openpyxl
import pytest
from mainfolder.func.operation import my_add
def get_excel():book=openpyxl.load_workbook('path')#读取工作簿sheet=book.activevalues=[]for row in sheet:line=[]for cell in row:line.append(cell.value)values.append(line)return valuesclass TestWithExcel:@pytest.mark.parametrize('x,y,expected',get_excel())def test_add(self,x,y,expected):assert my_add(int(x),int(y))==int(expected)