14 使用pytest进行参数化测试

在上一篇文章中，我们讨论了pytest的基础用法，包括如何编写简单的测试用例、运行测试以及查看测试结果。在这一篇中，我们将深入探讨pytest的参数化测试功能，这是一个非常强大的特性，能够让我们的测试更加简洁和高效。

什么是参数化测试？

参数化测试允许我们使用不同的输入值多次执行同一个测试函数。这种方式有助于提高测试覆盖率，从而减少代码重复以及简化测试用例的管理。

使用参数化测试可以让我们只用一个测试函数来验证同一功能的多个输入。

如何使用pytest进行参数化测试？

在pytest中，我们可以使用@pytest.mark.parametrize装饰器来实现参数化测试。该装饰器可以接收两个参数：argvalues和argnames。

argnames：一个以逗号分隔的字符串，表示测试函数的参数名称。
argvalues：一个列表，表示不同的输入数据。

基本示例

下面是一个简单的参数化测试的例子，我们将测试一个计算平方的函数。

# 被测试的函数
def square(x):
    return x * x

# 测试函数
import pytest

@pytest.mark.parametrize("input_val, expected_output", [
    (0, 0),        # 0的平方
    (1, 1),        # 1的平方
    (2, 4),        # 2的平方
    (-1, 1),      # -1的平方
])
def test_square(input_val, expected_output):
    assert square(input_val) == expected_output

在上述代码中，test_square函数被参数化为四组输入值，并与预计的输出进行验证。

运行测试

保存上述代码到test_square.py文件中，并在命令行运行以下命令：

pytest test_square.py

你会看到四个测试用例都得到了正确的结果，从而确保你的平方函数的正确性。

复杂示例

我们可以进一步扩展参数化测试来处理更复杂的情况，例如测试一个处理多种输入类型的函数。

# 被测试的函数
def divide(x, y):
    if y == 0:
        raise ValueError("Division by zero!")
    return x / y

# 测试函数
@pytest.mark.parametrize("numerator, denominator, expected_result", [
    (10, 2, 5),                     # 普通整数除法
    (20, 5, 4),                     # 另一个整数除法
    (10.0, 2.0, 5.0),               # 浮点数除法
    (-8, 2, -4),                    # 负数除法
])
def test_divide(numerator, denominator, expected_result):
    assert divide(numerator, denominator) == expected_result
    
@pytest.mark.parametrize("numerator, denominator", [
    (10, 0),                        # 除以零
    (20, 0),                        # 另一个除以零
])
def test_divide_by_zero(numerator, denominator):
    with pytest.raises(ValueError, match="Division by zero!"):
        divide(numerator, denominator)

在这个例子中，我们为divide函数编写了两个测试：一个用于验正常除法的正确性，另一个用于检查ZeroDivisionError的捕获。使用参数化测试使我们的测试代码更加整洁，而且可操作性更强。

小结

在本节中，我们详细讲解了如何在pytest中使用参数化测试，这是一个强大的功能，能够帮助我们编写出更简洁和可维护的测试代码。通过使用参数化测试，我们可以在一个函数中处理多个输入值和预期结果，从而减少重复代码，提高测试效率。

在下一篇文章中，我们将讨论如何设计有效的测试用例，通过进行合理的用例设计，可以进一步提高自动化测试的有效性和可靠性。使用好的测试用例能够帮助我们全面覆盖功能，提升代码质量。敬请期待！