6：参数化 - 技术栈

承接前两篇：Pytest 用例规则 + 前后置 + 原生 assert 断言，本篇讲解参数化，接口自动化核心必备。日常接口需要覆盖正常、异常、边界多组入参，参数化实现「一套用例代码，多组数据循环执行」，大幅减少重复代码。

一、什么是参数化，为什么自动化必须用？

1. 概念

@pytest.mark.parametrize是 pytest 内置装饰器，批量传入多组测试数据，自动循环生成多条独立测试用例，一组数据对应 1 次用例执行。

2. 解决痛点

不使用参数化：多组入参就要复制多份测试函数，代码冗余、后期维护困难；使用参数化：只写 1 次用例逻辑，数据源统一维护，新增 / 删减数据不用改动业务代码，接口边界、异常场景全覆盖。

接口测试场景：登录接口（正确账号、密码为空、错误密码、手机号格式错误）4 种场景，参数化 1 行配置 4 组数据即可。

二、基础语法格式

python 复制代码

@pytest.mark.parametrize(参数名字符串, 数据集列表)
def test_xxx(参数名):
    # 测试逻辑+断言

第一个入参："参数1,参数2" 多个参数用英文逗号分隔；
第二个入参：嵌套列表 / 元组，每组元素一一对应前面的参数。

三、四种常用参数化写法（从单参数→类→全局→自定义数据源）

写法 1：函数级别参数化（单 / 多参数，项目最常用）

① 多参数传参（示例：计算器表达式校验，文档原示例优化）

python 复制代码

import pytest
# 参数1：计算公式字符串，参数2：预期结果
@pytest.mark.parametrize("test_input,expected", [("3+5", 8), ("2+4", 6), ("6*9", 42)])
def test_eval(test_input, expected):
    # 执行计算公式
    res = eval(test_input)
    # 结合上篇断言知识点
    assert res == expected, f"公式{test_input}预期{expected},实际{res}"

执行pytest -vs，自动生成3 条独立用例 ，其中6*9=54≠42会单独失败，精准定位出错数据。

② 单参数简易示例

python 复制代码

@pytest.mark.parametrize("phone",["13800138000","","123456"])
def test_phone_format(phone):
    # 校验手机号长度
    assert len(phone)==11,f"手机号{phone}长度非法"

写法 2：测试类上参数化（类内所有 test 方法共用一套数据源）

装饰器写在 class 上方，类中全部以 test 开头的方法自动继承参数，每组数据所有方法循环执行一遍

python 复制代码

import pytest
# 两个参数 n：入参数字，expected：预期结果
@pytest.mark.parametrize("n,expected", [(1, 2), (3, 4)])
class TestClass:
    def test_simple_case(self, n, expected):
        assert n + 1 == expected
    def test_weird_simple_case(self, n, expected):
        assert (n * 1) + 1 == expected

执行结果：2 组数据 × 2 个用例 = 总共 4 条测试用例。

写法 3：模块全局参数化（当前 py 文件全部用例统一数据）

在脚本顶部定义全局变量pytestmark，本文件所有测试类、测试函数自动复用参数，不用逐个加装饰器

python 复制代码

import pytest
# 全局参数配置，本模块所有用例自动带入n、expected参数
pytestmark = pytest.mark.parametrize("n,expected", [(1, 2), (3, 4)])

class TestClass:
    def test_simple_case(self, n, expected):
        assert n + 1 == expected
    def test_weird_simple_case(self, n, expected):
        assert (n * 1) + 1 == expected

# 类外函数同样自动参数化
def test_global_demo(n,expected):
    assert n+1 == expected

写法 4：自定义函数返回数据源（数据和代码分离，实战优选）

把测试数据单独封装函数，后续拓展：从 json/yaml/excel 读取用例数据，实现数据代码完全分离

python 复制代码

import pytest
# 自定义数据源函数，后续可改成读取文件
def data_provider():
    return ["a", "b"]

# 直接传入函数名，自动读取返回列表
@pytest.mark.parametrize("data", data_provider())
def test_data(data):
    assert data is not None
    print(f"Testing with data provider: {data}")

拓展：企业项目中data_provider()内部写读取 yaml 接口用例，是主流接口自动化方案。

四、接口自动化实战案例（落地场景，结合 requests + 断言）

python 复制代码

import pytest
import requests

# 接口参数：帖子id，预期用户id
@pytest.mark.parametrize("post_id,expect_uid",[(1,1),(2,2),(99,99)])
def test_post_api(post_id,expect_uid):
    url = f"https://jsonplaceholder.typicode.com/posts/{post_id}"
    res = requests.get(url)
    # 断言状态码
    assert res.status_code == 200,f"接口{url}请求异常"
    json_data = res.json()
    # 校验返回用户id
    assert json_data["userId"] == expect_uid,f"帖子{post_id}预期用户{expect_uid},实际{json_data['userId']}"

执行后 3 个接口分别发起请求，任意一组数据出错单独标记失败，不影响其他用例执行。

五、进阶实用小技巧

1. 给每组用例自定义用例名称（ids 参数）

默认用例名是参数内容，可读性差，通过ids给每组数据起名，报告清晰

python 复制代码

@pytest.mark.parametrize("user,pwd",[("admin","123456"),("admin","")],ids=["正常登录","密码空登录"])
def test_login(user,pwd):
    pass

执行日志直接显示：test_login[正常登录]、test_login[密码空登录]。

2. 跳过指定参数用例（pytest.mark.skipif）

部分测试数据临时不需要执行，动态跳过单组用例

python 复制代码

data = [(1,2),(3,4)]
@pytest.mark.parametrize("n,e",data)
def test_skip(n,e):
    if n ==3:
        pytest.skip("该场景暂未开发完成，临时跳过")
    assert n+1 ==e

六、常见踩坑总结

参数数量匹配：参数名几个，每组元组必须对应相同元素，否则直接报参数不匹配报错；
全局 pytestmark 优先级：函数单独写了 parametrize 会覆盖全局配置；
数据分离规范：项目用例多了不要把数据硬编码写在装饰器里，统一放到函数 / 配置文件。