factory_boy 技术文档
2024-12-25 22:33:57作者:尤辰城Agatha
1. 安装指南
通过 PyPI 安装
你可以通过 pip 安装 factory_boy,这是最简单的方式:
pip install factory_boy
从源码安装
如果你需要从源码安装,可以按照以下步骤操作:
-
克隆仓库:
git clone git://github.com/FactoryBoy/factory_boy/ -
安装项目:
cd factory_boy python setup.py install
2. 项目的使用说明
定义工厂
factory_boy 允许你通过定义工厂类来生成复杂对象。每个工厂类需要指定一个 model 属性,表示该工厂生成的对象类型。
import factory
from . import models
class UserFactory(factory.Factory):
class Meta:
model = models.User
first_name = 'John'
last_name = 'Doe'
admin = False
使用工厂
factory_boy 支持多种实例化策略,包括 build、create 和 stub。
build():返回一个未保存的实例。create():返回一个已保存的实例。stub():返回一个仅包含属性的对象。
# 返回一个未保存的 User 实例
user = UserFactory.build()
# 返回一个已保存的 User 实例
user = UserFactory.create()
# 返回一个仅包含属性的对象
obj = UserFactory.stub()
你也可以直接使用工厂类作为快捷方式:
# 等同于 UserFactory.create()
user = UserFactory()
覆盖属性
你可以通过传递关键字参数来覆盖工厂中定义的属性:
# 构建一个 User 实例并覆盖 first_name
user = UserFactory.build(first_name='Joe')
print(user.first_name) # 输出: "Joe"
批量生成对象
factory_boy 支持一次性生成多个对象:
users = UserFactory.build_batch(10, first_name="Joe")
print(len(users)) # 输出: 10
print([user.first_name for user in users]) # 输出: ["Joe", "Joe", "Joe", "Joe", "Joe", "Joe", "Joe", "Joe", "Joe", "Joe"]
3. 项目 API 使用文档
工厂类
factory_boy 的核心是 factory.Factory 类,它允许你定义工厂并生成对象。
factory.Factory
Meta.model:指定工厂生成的对象类型。build():返回一个未保存的实例。create():返回一个已保存的实例。stub():返回一个仅包含属性的对象。
子工厂
SubFactory 用于处理复杂对象的关联关系:
class PostFactory(factory.Factory):
class Meta:
model = models.Post
author = factory.SubFactory(UserFactory)
懒加载属性
LazyAttribute 和 LazyFunction 用于在生成对象时动态计算属性值:
class UserFactory(factory.Factory):
class Meta:
model = models.User
first_name = 'Joe'
last_name = 'Blow'
email = factory.LazyAttribute(lambda a: '{}.{}@example.com'.format(a.first_name, a.last_name).lower())
date_joined = factory.LazyFunction(datetime.now)
序列
Sequence 用于生成唯一值:
class UserFactory(factory.Factory):
class Meta:
model = models.User
email = factory.Sequence(lambda n: 'person{}@example.com'.format(n))
4. 项目安装方式
通过 PyPI 安装
pip install factory_boy
从源码安装
git clone git://github.com/FactoryBoy/factory_boy/
cd factory_boy
python setup.py install
通过以上步骤,你可以轻松安装并使用 factory_boy 来简化复杂对象的生成和测试。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
388
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
806
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781