该篇将循序渐进地详细拆解 pytest.mark 装饰器：
目录
一、概念
在软件测试中，经常需要对大量的测试用例进行分类、筛选和管理。为了提高测试的组织性和可维护性，pytest 提供了一种称为"标记"（Marker）的功能。标记是一种元数据，允许我们为测试函数、类或模块添加额外的描述性信息。这些信息可以帮助我们：
- 分类测试：根据测试的目的、重要性、阶段（如单元测试、集成测试、冒烟测试等）对测试进行分组。
- 筛选测试：在运行测试时，通过标记快速选择特定类型的测试进行执行，避免运行全部测试。
- 控制测试行为：标记可以指示 pytest 对特定测试采取特定的操作，如跳过、预期失败等。
- 集成第三方工具：标记可与某些 pytest 插件或外部工具配合，提供更丰富的测试报告、自动化处理等。
二、标记的基本结构与使用
标记是通过 pytest.mark 装饰器来应用的。装饰器是一种 Python 语法，用于修改或增强函数、类等对象的行为。在 pytest 中，使用 pytest.mark.<marker_name> 形式的装饰器为测试项添加标记。实例如下：
python
import pytest
# 使用 @pytest.mark.smoke 标记一个冒烟测试
@pytest.mark.smoke
def test_login():
...
# 使用 @pytest.mark.integration 标记一个集成测试
@pytest.mark.integration
class TestPaymentSystem:
...pytest 内置了一些常见的标记名称，这些标记可以直接在测试代码中使用，以下是一些常见的内置标记名称及其用途：
| 标记名称 | 含义与用途 | 分类 |
|---|---|---|
smoke |
冒烟测试，快速验证核心功能是否正常 | 测试类型或阶段 |
regression |
回归测试，检查已有功能在代码变更后是否正常，防止引入新的 bug | 测试类型或阶段 |
unit |
单元测试，针对代码最小可测试单元进行隔离测试 | 测试类型或阶段 |
integration |
集成测试，验证不同模块或组件间的交互是否正确 | 测试类型或阶段 |
system |
系统测试，测试整个系统作为一个整体的功能和行为 | 测试类型或阶段 |
e2e / end-to-end |
端到端测试，模拟用户操作验证完整业务流程的正确性 | 测试类型或阶段 |
slow |
耗时较长的测试，可以用于筛选并单独运行这类测试，或者在持续集成（CI）环境中跳过它们以加快测试周转时间。 | 执行条件 |
fast |
快速测试，用于快速验证关键功能或优先运行 | 执行条件 |
flaky |
易变或不可靠的测试，可能间歇性失败，标记为 flaky 的测试在失败时可以被报告为预期失败（xfail），不影响整体测试结果。 | 执行条件 |
network |
需要网络连接的测试 | 资源要求或限制 |
database |
依赖数据库的测试 | 资源要求或限制 |
live_server |
需要与实际运行服务器交互的测试 | 资源要求或限制 |
no_cover |
不计入代码覆盖率统计的测试 | 资源要求或限制 |
windows / linux / macos |
只能在特定操作系统上运行的测试 | 特定环境或条件 |
python_version |
依赖特定 Python 版本的测试 | 特定环境或条件 |
requires_gpu |
需要 GPU 支持的测试 | 特定环境或条件 |
requires_redis / requires_mysql |
依赖特定第三方服务或软件的测试 | 特定环境或条件 |
三、标记在测试中的层次应用
标记可以应用在不同测试层次上，影响范围从单个测试函数到整个测试模块。
- 函数级标记：直接应用于测试函数，仅对该函数生效。
- 类级标记：应用于测试类，类中所有测试函数都将继承该标记。
- 模块级标记：在 conftest.py 或测试模块顶部使用 pytestmark = pytest.mark.<marker_name>，标记整个模块内的所有测试。
实例如下：
python
# 函数级标记
@pytest.mark.unit
def test_unit():
...
# 类级标记
@pytest.mark.integration
class TestIntegration:
def test_large_query(self):
...
def test_concurrency(self):
...
# 模块级标记（在 conftest.py 或测试模块顶部）
pytestmark = pytest.mark.regression四、标记的筛选与运行
在运行 pytest 命令时，可以通过 -m（或 --mark）选项指定一个标记表达式来筛选测试。标记表达式可以包含标记名称、逻辑运算符（and、or、not）以及括号用于分组。示例：
python
# 执行所有标记为 smoke 的测试
pytest -m smoke
# 执行标记为 smoke 或 integration 的测试
pytest -m "smoke or integration"
# 执行既非 slow 也非 integration 的测试
pytest -m "not slow and not integration"
# 运行同时带有 unit 和 integration 的测试
pytest -m "unit and integration"
# 复杂组合筛选
pytest -m "(system or integration) and not unit" #运行system或integration，且不运行带有unit的测试在项目的 pytest.ini 配置文件中，可以设置 addopts 键来指定默认的标记筛选规则。例如：
python
[pytest]
addopts = -m "not slow and not flaky"这样，除非在命令行中显式覆盖，否则 pytest 将默认排除标记为 slow 或 flaky 的测试。
pytest 的测试报告会显示每个测试用例的标记信息。当通过标记筛选运行测试时，报告会清晰地展示哪些测试因为标记筛选而被包含或排除。这对于理解测试执行情况和分析测试结果非常有帮助。在实际使用中，应结合项目特点和团队约定，合理使用标记和筛选功能，确保测试的有效性和覆盖率。
五、标记与测试行为控制
某些标记可以直接控制测试的执行行为，如跳过、预期失败等。
- pytest.mark.skip：无条件跳过标记了该标记的测试。
- pytest.mark.skipif：在给定条件为真时跳过测试，接受一个条件表达式和可选的跳过原因。
- pytest.mark.xfail：预期测试失败，如果测试确实失败，则视为"预期失败"，否则为"意外通过"。接受条件表达式、预期失败原因、是否严格检查意外通过等参数。
- pytest.mark.usefixtures：强制使用 fixtures，即使测试函数没有显式请求这些 fixtures，pytest 也会在测试执行前准备并清理它们。
实例如下：
python
import sys
import pytest
# 无条件跳过测试
@pytest.mark.skip(reason="待修复")
def test_buggy_feature():
...
# 在 Python 版本低于 3.7 时跳过测试
@pytest.mark.skipif(sys.version_info < (3, 7), reason="Requires Python 3.7+")
def test_new_syntax():
...
# 预期测试失败，但允许意外通过
@pytest.mark.xfail(reason="Known issue with this combination")
def test_unstable_combination():
...
import os
#如果环境变量 RUN_DATABASE_TESTS 未设置或者其值为假（如空字符串或 "False"），该测试将被跳过。
@pytest.mark.skipif(not os.environ.get("RUN_DATABASE_TESTS"), reason="Database tests disabled")
def test_database_connection():
# 连接并验证数据库连接
# ...
@pytest.fixture
def shared_resource():
resource = create_shared_resource()
yield resource
cleanup_shared_resource(resource)
@pytest.mark.usefixtures("shared_resource")
class TestWithShared_resource:
def test_case1(self):
...
def test_case2(self):
...
#这种方式也简化了代码，避免了在每个测试方法上重复添加装饰器。六、标记与测试参数化
pytest.mark.parametrize 是一个特殊的标记，用于创建参数化的测试，即一个测试函数可以针对多组不同的输入数据执行多次。我在pytest专栏里已经写了关于参数化的文章：Python的pytest框架(4)--参数化测试
七、标记的注册与自定义
若要使用自定义标记，需要在 pytest.ini 或 conftest.py 中注册标记及其说明。自定义标记可以像内置标记一样使用，并可能与特定插件或内部逻辑交互。pytest提供了两种主要方式来注册自定义标记：
1、通过pytest.ini配置文件：
在项目根目录下创建或编辑pytest.ini文件，添加[pytest]节，并在其中定义标记。格式如下：
python
[pytest]
markers =
slow: marks tests as slow (deselect with '-m "not slow"')
requires_gpu: marks tests that require a GPU to run
api_integration: marks tests that involve API integration
...在这里，标记名称（如slow、requires_gpu、api_integration）放在冒号前面，后面是对标记的简短描述。这些标记可以在命令行中通过-m选项进行筛选。
2、通过conftest.py文件：
在项目的任意层级（通常是与待测试代码相近的位置）创建或编辑conftest.py文件。在其中，可以通过重写pytest_configure(config)函数来注册标记。例如：
python
# conftest.py
import pytest
def pytest_configure(config):
"""
Register custom pytest markers.
"""
config.addinivalue_line(
"markers",#参数 "markers"指定了要添加到哪个键下。markers 键是用来存储所有自定义标记定义的。
"performance: mark a test as measuring performance, "
"may be used for long-running tests" #这是添加到markers键下的值。它是一个字符串，格式为 <marker_name>: <marker_description> 也就是"performance"是标记名称，冒号后面为标记描述
)
config.addinivalue_line(
"markers",
"network: mark tests that require network connectivity"
)
config.addinivalue_line(
"markers",
"critical: mark tests that verify critical functionality, "
"should always be included in regression testing"
)这里使用config.addinivalue_line()方法向markers键添加新的标记定义。在这个例子中，我们定义了三个标记：performance、network和critical。每个标记都有一个简短的描述，说明其含义和使用场景。config.addinivalue_line()方法用于向markers键添加新的标记定义。
八、标记与第三方插件的集成
许多 pytest 插件会识别并利用标记来扩展测试功能。Allure是一个通用的测试报告工具，提供了详细的测试执行历史、丰富的图表和交互式界面。allure-pytest插件将pytest与Allure报告系统紧密集成，使得pytest标记可以在Allure报告中发挥重要作用。
- 标记分类：Allure报告可以按标记对测试进行分类展示。在pytest测试中使用标记后，Allure报告会自动将标记作为测试的标签显示，方便用户按标记过滤和浏览测试结果。
- 标记与标签：在Allure中，可以将pytest标记映射为特定的Allure标签，以便在报告中以特定样式呈现或进行特定分析。这通常通过在pytest.ini或conftest.py中配置allure_markers来实现。
- 标记与测试步骤：某些Allure插件（如allure-behave）支持将pytest标记关联到测试步骤，以便在报告中突出显示关键步骤或标记特定行为。
python
[pytest]
allure_markers =
smoke: smoke
critical: critical
regression: regression相关内容会持续在pytest框架专栏中拓展，大家多多关注~
希望上述内容能帮助到大家理解使用pytest框架的测试标记@pytest.mark.<marker_name>