详解pytest传递参数的几种方式

pytest参数传递的核心目标与环境准备

测试脚本的数据来源通常分为硬编码、外部配置与动态生成三类。合理选择传参方式能够避免重复编写断言逻辑，同时使测试用例具备独立性与幂等性。以下按作用域从小到大，逐步演示如何通过不同机制将数据注入测试方法。

基础作用域方案：类属性与共享变量

第1步：通过类属性同步用例间状态

将共享数据定义为测试类的实例变量，可在同一类的所有方法中访问。由于pytest默认按方法名顺序执行，该类属性的修改会延续到后续用例中，适合固定不变的状态追踪。

import pytest

class Test_Case:
    t = 0

    def test_c(self):
        self.t += 1
        assert self.t == 1

    def test_d(self):
        self.t += 1
        assert self.t == 1

第2步：利用模块常量对象维持跨脚本数据

当需要跨越多个测试文件共享状态时，可创建独立的配置模块。该方法依赖模块级的全局作用域，但需注意pytest的文件加载顺序可能影响初始值的覆盖时机。建议在串行运行环境下使用，避免并行执行引发读写竞争。

# _case/constant.py
data = 1

# test_case.py
import pytest
import _case.constant as d

class Test_Case:
    def test_g(self):
        d.data = 2
        assert d.data == 2

    def test_h(self):
        assert d.data == 2

数据驱动方案：装饰器参数化与Fixture

第3步：使用parametrize装饰器注入多维数据集

这是最标准的参数化手段。通过列表、元组或字典组合输入值，pytest会自动展开为多条独立用例。支持堆叠装饰器以产生笛卡尔积测试矩阵，并可配合pytest.param添加跳过或预期失败标记。

import pytest

class Test_Case:
    @pytest.mark.parametrize("x", [1, 2, 3, 4])  # 传递单个值
    def test_b(self, x):
        assert x != 5

    @pytest.mark.parametrize("x,y", [(1, 2), (3, 4), (2, 3), (4, 6)])  # 多参数，传递元组
    def test_c(self, x, y):
        assert x + y != 5

    @pytest.mark.parametrize("x", [{"a": 1, "b": 2}, {"a": 1, "c": 4}])  # 传递字典
    def test_e(self, x):
        assert x["a"] == 1

    @pytest.mark.parametrize("x", [{"a": 1, "b": 2}])  # 装饰器叠加扩展参数空间
    @pytest.mark.parametrize("y", [{"a": 3, "c": 4}])
    def test_g(self, x, y):
        assert y["a"] == 3

    @pytest.mark.parametrize(
        "test_input,expected",
        [("3+5", 8), ("2+4", 6), pytest.param("6*9", 42, marks=pytest.mark.xfail)],
    )  # 集成期望结果与执行标记
    def test_h(self, test_input, expected):
        assert eval(test_input) == expected

第4步：基于fixture的request对象实现灵活数据流

Fixture不仅能返回固定值，还可通过params参数接收迭代序列。结合request.param可直接获取当前循环的载荷，并利用yields完成前置配置与后置清理工作。支持多级Fixture嵌套与ID自定义命名。

import pytest

class Test_Case:
    @pytest.fixture(params='hello') 
    def get_c(self, request):
        print(request.param)
        return request.param

    def test_c(self, get_c):
        name = get_c
        assert name == 'h'

    @pytest.fixture(params=[1, 2], ids=['hello', 'name'])  # 可通过pytest -k 筛选
    def get_d(self, request):
        return request.param

    def test_d(self, get_d):
        name = get_d
        assert name == 2

    @pytest.fixture(params=[0, 1, pytest.param(2, marks=pytest.mark.skip)])
    def data_set(self, request):
        return request.param

    def test_f(self, data_set):
        assert isinstance(data_set, int)

# yield典型清理模式
import pytest
class Test_Case:
    @pytest.fixture
    def s(self):
        c = 'test'
        yield c

    def test_name(self, s):
        assert s == "test"

集中管理方案：conftest、命令行解析与钩子

第5步：在conftest中定义会话级共享Fixture

将Fixture提取至同级目录或根目录的conftest.py中，可实现跨文件自动发现。设置scope='session'可使该数据在整个测试会话期间保持单例，极大减少重型资源的初始化开销。

# conftest.py
import pytest

@pytest.fixture(scope='session')
def say():
    return 'hello'

# test_case.py 直接引用即可自动挂载

第6步：挂载命令行参数并读取至测试环境

通过重写pytest_addoption钩子注册自定义CLI标志（如--file），随后在Fixture内通过request.config.getoption()或内置pytestconfig对象获取参数值，适用于需要外部控制测试行为或指定运行文件的场景。

# conftest.py   全局变量注册入口
import pytest

def pytest_addoption(parser):
    parser.addoption("--file", default="test")

@pytest.fixture
def file_name(request):
    return request.config.getoption("--file")

# 测试用例中直接调用 fixture

第7步：利用pytest_generate_tests钩子动态扩测

当数据量庞大或需根据环境变量实时过滤时，可使用pytest_generate_tests(metafunc)拦截用例收集阶段。在此处读取外部配置后调用metafunc.parametrize()，可将运行时数据无缝接入测试流水线。

# conftest.py
import pytest

def pytest_addoption(parser):
    parser.addoption("--file", default="test")

def pytest_generate_tests(metafunc):
    file = metafunc.config.getoption('--file')
    if 'case_data' in metafunc.fixturenames:
        metafunc.parametrize("case_data", [file])

# test_case.py
class Test_Case:
    def test_g(self, case_data):
        assert case_data == 'test'

传参策略选型与避坑指南

实际项目中应根据数据生命周期与规模匹配对应方案。简单状态校验优先使用类属性或基础Fixture；大量输入输出对直接使用@pytest.mark.parametrize最为直观；全局配置与外部环境交互则收敛至conftest.py与CLI钩子。需特别注意并行执行（-n auto）时全局变量的线程安全问题，以及字符串作为params源时的字符拆分行为。以上就是pytest传递参数的几种方式的详细内容，更多关于自动化测试数据驱动与参数化用例设计的资料请关注本站其它相关文章！