深入理解Pytest中的测试项筛选与deselected钩子使用
2025-05-18 20:55:49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
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0111DuiLib_Ultimate
DuiLib_Ultimate是duilib库的增强拓展版,库修复了大量用户在开发使用中反馈的Bug,新增了更加贴近产品开发需求的功能,并持续维护更新。C++03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。08- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile03
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
- Dd2l-zh《动手学深度学习》:面向中文读者、能运行、可讨论。中英文版被70多个国家的500多所大学用于教学。Python011
热门内容推荐
1 freeCodeCamp课程页面空白问题的技术分析与解决方案2 freeCodeCamp Cafe Menu项目中link元素的void特性解析3 freeCodeCamp博客页面工作坊中的断言方法优化建议4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析7 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析8 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析9 freeCodeCamp课程中屏幕放大器知识点优化分析10 freeCodeCamp全栈开发课程中React实验项目的分类修正
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 Visual Studio 2015企业版中文版下载安装完全指南 - 专业开发工具必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择
项目优选
收起

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
340
1.2 K

🎉 (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
901
537

React Native鸿蒙化仓库
C++
189
267

deepin linux kernel
C
22
6

openGauss kernel ~ openGauss is an open source relational database management system
C++
141
188

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
375
387

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.09 K
0

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
87
4

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
8
0

方舟分析器:面向ArkTS语言的静态程序分析框架
TypeScript
115
45