python - 如何避免多次调用 pytest_generate

问题描述

我有一个测试套件，其中

主类 Regression 包含通用测试函数，由子类继承
我在初始化期间使用 pytest_generate_tests 钩子动态参数化测试变量。
测试初始化取决于正在运行的子类，例如。Test_window 将进行差异初始化 Test_door 将进行差异初始化

我的问题是：

对于两个测试用例，我使用相同的参数
所以 pytest_generate_tests 钩子被调用 2 次以生成相同的测试数据（我猜，在文档中找不到它！！！）
有没有更好的方法来实现这个场景来避免调用 pytest_generate_tests 2 次的开销。

父类：

class Regression:

def test_work(self, data):
    test_func1_call_using data(data)


def test_agg(self, data):
    test_func2_call_using data(data)

测试类 1 继承回归：

@pytest.mark.usefixtures('generic_test_setup')
class Test_window(Regression):
   dummy_var=0

测试类 2 继承回归：

@pytest.mark.usefixtures('generic_test_setup')
class Test_door(Regression):
   dummy_var=0

conftest.py：

@pytest.fixture(scope="class")
def generic_test_setup(request, env):
   // do setup 

def pytest_generate_tests(metafunc):
    class_name = metafunc.cls.__name__.split('_')[1]
    
    logging.info(f"Collection Phase :: Initializing test_data for {class_name} !!!")

    // Initialize the test data based on the calling class 
    test_data = //generated dictionary value with ids and test data

    id_entity = [d['entity'] for d in test_data]
    if "data" in metafunc.fixturenames:
        metafunc.parametrize("data", test_data, ids=id_entity )
    
@pytest.fixture
def data(request):
    return request.param

标签： pythontestingpytest

正如评论中提到的，的行为pytest_generate_tests与预期的一样，因为它是为每个测试调用的。如果你想缓存你的测试数据，你可以在钩子之外添加一个缓存，例如：

testdata_cache = {}

def pytest_generate_tests(metafunc):
    if "data" in metafunc.fixturenames:
        class_name = metafunc.cls.__name__.split('_')[1]
        if class_name not in testdata_cache:
           // Initialize the test data based on the calling class
           testdata_cache[class_name] = //generated dictionary value with ids and test data
        test_data = testdata_cache[class_name]

        id_entity = [d['entity'] for d in test_data]
        metafunc.parametrize("data", test_data, ids=id_entity )

如果您不想使用全局变量，则可以将其包装到一个类中，但在这种情况下这将是矫枉过正。

python - 如何避免多次调用 pytest_generate_tests

问题描述

解决方案

推荐阅读