深入理解Pytest中的测试项筛选与deselected钩子使用
2025-05-18 09:58:10作者:齐添朝
在Pytest测试框架的实际应用中,我们经常需要根据特定条件筛选测试用例。本文将深入探讨如何正确使用pytest_collection_modifyitems钩子和pytest_deselected钩子来实现这一功能,并分析常见的错误模式。
核心概念解析
Pytest提供了强大的钩子机制,允许开发者自定义测试收集和执行过程。其中两个关键钩子:
pytest_collection_modifyitems:在测试收集完成后调用,允许修改测试项列表pytest_deselected:用于通知框架哪些测试项被取消选择
常见错误模式分析
许多开发者会遇到类似以下的错误:
HookCaller.__call__() takes 1 positional argument but 2 were given
这通常是因为直接传递了位置参数给钩子调用。Pytest的钩子系统要求使用关键字参数,正确的调用方式应该是:
config.hook.pytest_deselected(items=do_not_run)
最佳实践实现
要实现基于标记的测试筛选,推荐以下实现方式:
def pytest_configure(config):
# 注册自定义标记
config.addinivalue_line(
"markers",
"requirement(jira_issue): 标记关联的Jira需求"
)
def filter_tests(items, condition):
"""通用测试项筛选函数"""
selected = []
deselected = []
for item in items:
(selected if condition(item) else deselected).append(item)
return selected, deselected
def pytest_collection_modifyitems(session, config, items):
req_tags = config.getoption("--requirements")
if req_tags:
tags = [t.strip() for t in req_tags.split(",")]
def is_wanted(item):
markers = item.iter_markers(name="requirement")
return any(m.args[0] in tags for m in markers)
selected, deselected = filter_tests(items, is_wanted)
items[:] = selected # 关键:原地修改items列表
config.hook.pytest_deselected(items=deselected)
关键点说明
- 原地修改原则:必须直接修改传入的items列表(使用切片赋值),而不是创建新列表
- 钩子调用规范:所有Pytest钩子调用都应使用关键字参数
- 标记处理:使用
item.iter_markers()可以获取测试项上的所有标记 - 条件判断:建议将筛选逻辑封装为独立函数,提高代码可读性
高级应用场景
这种模式可以扩展用于多种筛选场景:
- 基于测试重要性级别筛选
- 根据环境条件动态选择测试
- 实现测试用例的A/B分组执行
- 构建智能测试选择系统
总结
正确使用Pytest的钩子系统可以构建灵活强大的测试筛选机制。记住两个要点:必须原地修改items列表,以及钩子调用必须使用关键字参数。通过合理封装筛选逻辑,可以创建可维护性高、扩展性强的测试配置。
对于更复杂的场景,可以考虑结合Pytest的标记系统、参数化机制和钩子组合使用,构建完整的测试策略管理系统。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C041
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
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++
694
367
Ascend Extension for PyTorch
Python
240
275
暂无简介
Dart
696
164
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
9
1
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869