pytest.mark.parametrize与yaml如何使用

pytest.mark.parametrize 和 YAML 都可以用于参数化测试，下面分别介绍它们的使用方法：

1. pytest.mark.parametrize

`pytest.mark.parametrize` 可以用于为测试函数提供参数化输入，其语法如下：

import pytest

@pytest.mark.parametrize("arg1, arg2, expected_output", [
    (1, 2, 3),
    (10, 20, 30),
    (-1, 1, 0),
])
def test_addition(arg1, arg2, expected_output):
    assert arg1 + arg2 == expected_output

在上面的例子中，`test_addition` 函数被参数化了三次，每次传入的参数分别是 `(1, 2, 3)`，`(10, 20, 30)` 和 `(-1, 1, 0)`。 pytest 会自动运行这个函数三次，并检查每次运行的结果是否符合预期。

2. YAML

YAML 是一种轻量级的数据序列化格式，可以用于存储测试数据。下面是一个使用 YAML 的例子：

- name: addition_test
  args:
    arg1: 1
    arg2: 2
    expected_output: 3
- name: subtraction_test
  args:
    arg1: 10
    arg2: 5
    expected_output: 5

在上面的例子中，我们定义了两个测试用例，一个是加法测试，一个是减法测试。每个测试用例包含一个名称和一组参数，这些参数会被传递给测试函数进行测试。

在测试函数中，我们可以使用 PyYAML 库读取 YAML 文件，并将其转换为 Python 对象，然后遍历每个测试用例并运行测试函数。下面是一个示例代码：

import yaml
import pytest

def load_test_data(file_path):
    with open(file_path) as f:
        test_data = yaml.safe_load(f)
    return test_data

def test_addition():
    test_data = load_test_data("test_data.yaml")
    for test_case in test_data:
        args = test_case["args"]
        expected_output = args.pop("expected_output")
        assert sum(args.values()) == expected_output

def test_subtraction():
    test_data = load_test_data("test_data.yaml")
    for test_case in test_data:
        args = test_case["args"]
        expected_output = args.pop("expected_output")
        assert args["arg1"] - args["arg2"] == expected_output

在上面的代码中，`load_test_data` 函数用于读取 YAML 文件并将其转换为 Python 对象，`test_addition` 和 `test_subtraction` 函数分别用于测试加法和减法。在每个测试函数中，我们先调用 `load_test_data` 函数加载测试数据，然后遍历每个测试用例并运行测试函数。