assert (sub in s) == expected
这里我们将参数名称s、sub和expected分别和参数值列表中的元组对应起来，这样就可以更直观地理解 每个参数的含义。
>
> 注意，参数名称列表也可以是一个字符串，多个参数名称之间用逗号隔开，例如："a, b, expected"。
>
>
>
* **参数化装饰器嵌套**
有时我们需要对多个参数进行组合，这时可以使用参数化装饰器的嵌套。例如，我们有一个函数用来测试两个字符串连接后的结果是否正确，可以这样写：
@pytest.mark.parametrize("s1", ["hello", "world"])
@pytest.mark.parametrize("s2", ["python", "pytest"])
def test_concat(s1, s2):
assert concat(s1, s2) == s1 + s2
这里我们先用一个参数化装饰器指定s1参数的取值范围，然后在这个装饰器内部再嵌套一个参数化装饰器，指定s2参数的取值范围。这样，pytest就会自动运行测试函数四次，每次用一个s1和一个s2的组合 来测试函数的正确性。
* **参数化函数**
**有时我们需要动态生成参数值列表，这时可以使用参数化函数。例如，我们有一个函数用来测试一个整数是否为质数，可以这样写：**
def is_prime(n):
if n < 2:
return False
for i in range(2, int(n ** 0.5) + 1):
if n % i == 0:
return False
return True
@pytest.mark.parametrize("n", range(10))
def test_is_prime(n):
assert is_prime(n) == (n in [2, 3, 5, 7])
这里我们使用了Python内置的range函数来生成一个整数序列，然后将这个序列作为参数值列表传给了参数化装饰器。这样，pytest就会自动运行测试函数十次，每次用一个整数来测试函数的正确性。
* **从文件读取参数**
**有时我们需要从外部文件中读取参数值列表，这时可以使用pytest的fixture机制。例如，我们有一个CSV文件，包含了多组数据，每组数据都是一个整数和一个字符串，用逗号隔开。我们希望用这些数据 来测试一个函数，可以这样写：**
import csv
import pytest
@pytest.fixture(scope="module")
def data():
with open("test_data.csv") as f:
reader = csv.reader(f)
return list(reader)
@pytest.mark.parametrize("n, s", data())
def test_func(n, s):
assert func(n, s) == ...
这里我们定义了一个fixture函数data，用来读取CSV文件中的数据，并返回一个列表，每个元素都是一 个包含两个值的元组。然后在测试函数的参数化装饰器中，使用data()来获取这个列表，并将其中的元 组分别赋值给n和s两个参数。这样，pytest就会自动运行测试函数多次，每次用一个元组中的数据来测 试函数的正确性。
**03、参数化的高级技巧**
除了上面介绍的基本用法和多种方式，pytest参数化还有一些高级技巧，可以帮助我们更灵活地使用这个功能。
* **动态生成参数名称**
有时我们需要动态生成参数名称，例如根据参数值来生成一个唯一的标识符。这时可以使用pytest的ids 参数，它可以指定每个参数值对应的参数名称。例如，我们有一个函数用来测试两个字符串连接后的长度是否正确，可以这样写：
@pytest.mark.parametrize("s1, s2, expected", [
("hello", "world", 10),
("pytest", "is awesome", 15),
], ids=["case1", "case2"])
def test_len(s1, s2, expected):
assert len(concat(s1, s2)) == expected
这里我们使用了ids参数，将每个参数值对应的参数名称指定为了一个字符串，分别 是"case1"和"case2"。这样，pytest就会在测试结果中显示这些参数名称，方便我们查看和分析测试结果。
* **参数化的组合**
有时我们需要对多个参数进行组合，例如测试一个函数在不同参数组合下的正确性。这时可以使用pytest的product参数化，它可以将多个参数值列表进行组合，生成所有可能的参数组合。
**例如，我们有一个函数用来测试两个整数相乘的结果是否正确，可以这样写：**
@pytest.mark.parametrize("a", [1, 2, 3]) @pytest.mark.parametrize("b", [4, 5, 6])
def test_mul(a, b):
assert mul(a, b) == a * b
@pytest.mark.parametrize("a, b", product([1, 2, 3], [4, 5, 6]))
def test_mul2(a, b):
assert mul(a, b) == a * b
这里我们先用两个参数化装饰器分别指定a和b的取值范围，然后在测试函数中用a和b的乘积来进行断 言。这样，pytest就会自动运行测试函数九次，每次用一个a和一个b的组合来测试函数的正确性。另 外，我们还可以使用product函数来完成同样的功能，它可以将多个参数值列表进行组合，并返回所有可能的参数组合。
* **动态生成参数化装饰器**
有时我们需要根据某些条件动态生成参数化装饰器，例如根据某个配置文件中的参数来决定测试函数的参数取值范围。这时可以使用pytest的fixture机制，动态生成参数化装饰器。
例如，我们有一个配置文件，包含了两个参数**s和n**，分别表示一个字符串和一个整数，我们希望用这些参数来测试一个函数，可 以这样写：
import yaml
import pytest
@pytest.fixture(scope="module")
def config():
with open("test_config.yaml") as f:
return yaml.safe_load(f)
@pytest.fixture(scope="module")
def params(config):
return [(s, n) for s in config["strings"] for n in config["numbers"]]
def test_func(params):
for s, n in params:
assert func(s, n) == ...
这里我们定义了两个fixture函数，config和params。
* config用来读取配置文件中的参数
* params用来根据这些参数动态生成参数值列表
然后在测试函数中，使用params来获取参数值列表，并将其中的元 组分别赋值给s和n两个参数。这样，pytest就会自动运行测试函数多次，每次用一个元组中的数据来测试函数的正确性。
**04、总结**
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**了解详情》docs.qq.com/doc/DSlVlZExWQ0FRSE9H**
