使用pytest.mark.parametrize动态生成测试参数的问题

pytest 的 @pytest.mark.parametrize 是在测试用例收集阶段就完成参数解析的，而 fixture 要等到测试执行阶段才会运行。所以你第一个例子里，fixture 修改 data 的操作是在参数化之后才执行的，自然不会影响测试用例的数量。

直接把 fixture 传给 parametrize 会报错，是因为 parametrize 需要接收可迭代的参数组，而 fixture 本身是函数对象，不符合要求。

至于你用 obtain_data() 的方式报错，大概率是函数返回的 data 为空，或者格式不符合要求（比如不是 (arg0, arg1) 这种元组组成的列表）。

方案一：静态动态生成（不依赖 fixture） #

如果测试数据只是需要动态生成（比如读取文件、数据库），不需要依赖其他 fixture，只需确保生成函数返回非空、格式正确的可迭代对象即可：

def obtain_data():
    data = []
    # 模拟读取1000条样本并预处理
    for i in range(1000):
        data.append((str(i), str(i+1)))
    return data

@pytest.mark.parametrize("arg0, arg1", obtain_data())
def test_data(arg0, arg1):
    print(arg0, arg1)
    assert True

方案二：运行时动态生成（依赖 fixture 或实时数据） #

如果数据必须在测试执行阶段生成（比如依赖其他 fixture 的结果、实时获取数据），可以用 pytest 的 pytest_generate_tests 钩子函数——它会在测试收集完成后、执行前运行，能动态生成参数：

def pytest_generate_tests(metafunc):
    # 只针对需要参数化的测试函数处理
    if "arg0" in metafunc.fixturenames and "arg1" in metafunc.fixturenames:
        # 这里可以写任意动态生成数据的逻辑，包括调用其他fixture的逻辑
        data = [("1", "2")]
        data.append(("3", "4"))
        # 动态添加参数化配置
        metafunc.parametrize("arg0, arg1", data)

class Tester:
    def test_data(self, arg0, arg1):
        print(arg0, arg1)
        print(data)
        assert 0

如果需要依赖其他 fixture 的结果（比如某个配置 fixture），可以通过 metafunc.config 提前获取配置，再生成测试数据。

方案三：间接参数化（适合参数需要 fixture 处理的场景） #

如果参数本身需要由 fixture 加工处理，可以用 indirect=True 让参数传给 fixture 处理，再返回给测试用例：

@pytest.fixture
def process_data(request):
    # request.param 是传入的原始参数
    base_arg = request.param
    # 模拟加工生成多组参数
    return [(base_arg[0], base_arg[1]), ("3", "4")]

@pytest.mark.parametrize("process_data", [("1", "2")], indirect=True)
def test_data(process_data):
    # 这里会拿到fixture返回的多组参数，可循环执行断言
    for arg0, arg1 in process_data:
        print(arg0, arg1)
        assert 0

注意：这种方式是在一个测试用例里循环执行，不会生成多个独立的测试用例；如果需要每个参数组作为单独的测试用例，优先用方案二。

内容的提问来源于stack exchange，提问作者Gerry