一、高效用例管理（提升测试效率）

1. 用例标记与筛选（精准控制执行范围）

基础的@pytest.mark可以自定义标记，实现按「模块 / 优先级 / 环境」筛选执行：

import pytest

# 1. 定义自定义标记（需在pytest.ini中注册，否则会报警告）
# 先在项目根目录创建pytest.ini文件，内容：
# [pytest]
# markers =
#     smoke: 冒烟测试用例（核心功能）
#     dev: 开发环境专用
#     prod: 生产环境专用
#     high: 高优先级
#     low: 低优先级

# 2. 给用例打标记
@pytest.mark.smoke
@pytest.mark.high
def test_login():
    assert True  # 模拟登录功能（核心冒烟用例）

@pytest.mark.dev
@pytest.mark.low
def test_data_debug():
    assert True  # 开发环境调试用例

@pytest.mark.prod
@pytest.mark.high
def test_pay():
    assert True  # 支付功能（生产高优）

# 3. 运行时筛选标记（终端命令）
"""
pytest -v -m smoke          # 只运行冒烟用例
pytest -v -m "high and prod" # 只运行生产环境高优用例
pytest -v -m "not dev"      # 排除开发环境用例
"""

2. 用例依赖（控制执行顺序 / 跳过依赖失败的用例）

使用pytest-dependency插件实现用例依赖（先安装：pip install pytest-dependency）：

import pytest

# 标记依赖关系：test_order_pay依赖test_order_create
@pytest.mark.dependency()
def test_order_create():
    assert True  # 假设创建订单成功

@pytest.mark.dependency(depends=["test_order_create"])
def test_order_pay():
    assert True  # 支付用例，仅当创建订单成功才执行

# 如果test_order_create失败，test_order_pay会自动跳过（标记为skipped）

3. 失败重试（解决偶发失败的用例）

使用pytest-rerunfailures插件实现失败重试（先安装：pip install pytest-rerunfailures）：

import pytest
import random

# 模拟偶发失败的用例（比如接口超时、网络抖动）
@pytest.mark.flaky(reruns=3, reruns_delay=2)  # 失败重试3次，每次间隔2秒
def test_rerun_demo():
    # 随机返回True/False，模拟偶发失败
    assert random.choice([True, False])

# 终端运行（也可通过命令行指定重试）：
# pytest -v --reruns 3 --reruns-delay 2 test_demo.py

二、测试结果增强（可视化 / 可分析）

1. 生成 HTML 测试报告（直观展示结果）

使用pytest-html插件生成美观的 HTML 报告（先安装：pip install pytest-html）：

# 运行命令（指定报告保存路径）
pytest -v --html=report.html --self-contained-html test_demo.py

• --html=report.html：生成名为 report.html 的报告
• --self-contained-html：将 CSS / 图片嵌入报告（避免打开时样式丢失）
• 运行后打开 report.html，可看到用例通过率、失败详情、执行时间等。

2. 集成 Allure 报告（专业级测试报告）

Allure 是工业级测试报告工具，支持步骤展示、截图、日志等（步骤稍多，但效果更好）：

步骤 1：安装依赖

# 安装pytest-allure-adaptor
pip install allure-pytest
# 下载Allure命令行工具（需配置环境变量）：https://github.com/allure-framework/allure2/releases

步骤 2：编写带 Allure 标记的用例

import pytest
import allure

@allure.feature("用户模块")  # 大功能模块
@allure.story("用户登录")    # 子功能
@allure.severity(allure.severity_level.CRITICAL)  # 优先级：CRITICAL > HIGH > MEDIUM > LOW
def test_login_success():
    with allure.step("步骤1：输入用户名密码"):
        username = "test"
        password = "123456"
    with allure.step("步骤2：点击登录按钮"):
        pass
    with allure.step("步骤3：验证登录结果"):
        assert True

@allure.feature("用户模块")
@allure.story("用户登出")
def test_logout():
    assert True

步骤 3：生成并查看 Allure 报告

# 生成Allure原始数据
pytest -v --alluredir=./allure-results test_demo.py
# 启动本地服务查看报告
allure serve ./allure-results

三、高级功能（适配复杂场景）

1. 夹具（Fixture）进阶用法

Fixture 是 pytest 的核心，除了基础的前置后置，还有这些实用技巧：

（1）Fixture 参数化

import pytest

# 参数化夹具：返回不同的测试环境
@pytest.fixture(params=["dev", "test", "prod"])
def env(request):
    return request.param  # request.param获取当前参数值

# 使用参数化夹具：会自动生成3个用例（分别对应dev/test/prod）
def test_env_check(env):
    print(f"当前测试环境：{env}")
    assert env in ["dev", "test", "prod"]

（2）Fixture 作用域（控制生效范围）

import pytest

# scope可选：function（默认，每个函数）、class（每个类）、module（每个文件）、session（整个测试会话）
@pytest.fixture(scope="session")
def init_db():
    print("\n会话开始：初始化数据库连接")
    yield  # 前置操作
    print("\n会话结束：关闭数据库连接")

# 每个测试函数都会执行（scope=function）
@pytest.fixture
def init_data():
    print("\n函数开始：初始化测试数据")
    yield [1,2,3]
    print("\n函数结束：清理测试数据")

（3）Fixture 依赖与共享

创建conftest.py文件（pytest 自动识别，无需导入），存放全局 Fixture：

# conftest.py（项目根目录）
import pytest

@pytest.fixture(scope="session")
def global_config():
    return {"base_url": "https://api.test.com", "timeout": 10}

# 任意测试文件中直接使用
def test_use_global_config(global_config):
    assert global_config["timeout"] == 10

2. 模拟外部依赖（Mock）

使用unittest.mock（Python 内置）或pytest-mock插件，模拟接口、数据库等外部依赖，避免测试受外部环境影响：

import pytest
from unittest.mock import Mock, patch

# 模拟一个外部接口调用函数
def get_user_info(user_id):
    # 实际场景中会调用真实接口
    import requests
    resp = requests.get(f"https://api.test.com/user/{user_id}")
    return resp.json()

# 使用mock模拟接口返回
def test_get_user_info(mocker):  # pytest-mock提供的mocker夹具
    # 模拟requests.get方法，返回自定义结果
    mock_get = mocker.patch("requests.get")
    mock_get.return_value.json.return_value = {"id": 1, "name": "test"}
    
    # 调用被测试函数（实际不会发真实请求）
    result = get_user_info(1)
    assert result["name"] == "test"
    # 验证mock被调用过
    mock_get.assert_called_once_with("https://api.test.com/user/1")

3. 自定义测试收集规则

如果不想遵循test_开头的命名规则，可以自定义收集逻辑：

# conftest.py
def pytest_collection_modifyitems(items):
    """修改用例收集规则：识别以check_开头的函数作为测试用例"""
    for item in items:
        # 将check_开头的函数标记为测试用例
        if item.name.startswith("check_"):
            item.add_marker(pytest.mark.testcase)
    # 也可以修改用例执行顺序
    items.sort(key=lambda x: x.name)

# 测试文件中
def check_login():
    assert True  # 会被识别为测试用例

总结

1. 效率提升：掌握「标记筛选 + 失败重试 + 用例依赖」，能精准控制用例执行，减少无效操作；
2. 结果分析：pytest-html快速生成报告，Allure 适合专业测试场景，按需选择；
3. 复杂场景适配：Fixture 进阶（参数化 / 作用域 / 全局共享）+ Mock 模拟外部依赖，是解决实际问题的核心。