本篇內容主要講解“Python怎么將一個類方法變為多個方法”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python怎么將一個類方法變為多個方法”吧!

創新互聯建站-專業網站定制、快速模板網站建設、高性價比夷陵網站開發、企業建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式夷陵網站制作公司更省心,省錢,快速模板網站建設找我們，業務覆蓋夷陵地區。費用合理售后完善，10年實體公司更值得信賴。

1、ddt 如何實現參數化?

先回顧一下上篇文章中 ddt 庫的寫法：

import unittest from ddt import ddt,data,unpack @ddt class MyTest(unittest.TestCase):     @data((3, 1), (-1, 0), (1.2, 1.0))     @unpack     def test(self, first, second):         pass

ddt 可提供 4 個裝飾器：1 個加在類上的 @ddt，還有 3 個加在類方法上的 @data、@unpack 和  @file_data(前文未提及)。

先看看加在類方法上的三個裝飾器的作用：

# ddt 版本（win）：1.2.1 def data(*values):     global index_len     index_len = len(str(len(values)))     return idata(values)  def idata(iterable):     def wrapper(func):         setattr(func, DATA_ATTR, iterable)         return func     return wrapper  def unpack(func):     setattr(func, UNPACK_ATTR, True)     return func  def file_data(value):     def wrapper(func):         setattr(func, FILE_ATTR, value)         return func     return wrapper

它們的共同作用是在類方法上 setattr() 添加屬性。至于這些屬性在什么時候使用?下面看看加在類上的 @ddt 裝飾器源碼：

第一層 for 循環遍歷了所有的類方法，然后是 if/elif 兩條分支，分別對應  DATA_ATTR/FILE_ATTR，即對應參數的兩種來源：數據(@data)和文件(@file_data)。

elif 分支有解析文件的邏輯，之后跟處理數據相似，所以我們把它略過，主要看前面的 if 分支。這部分的邏輯很清晰，主要完成的任務如下：

• 遍歷類方法的參數鍵值對

• 根據原方法及參數對，創建新的方法名

• 獲取原方法的文檔字符串

• 對元組和列表類型的參數作解包

• 在測試類上添加新的測試方法，并綁定參數與文檔字符串

分析源碼，可以看出，@data、@unpack 和 @file_data 這三個裝飾器主要是設置屬性并傳參，而 @ddt  裝飾器才是核心的處理邏輯。

這種將裝飾器分散(分別加在類與類方法上)，再組合使用的方案，很不優雅。為什么就不能統一起來使用呢?后面我們會分析它的難言之隱，先按下不表，看看其它的實現方案是怎樣的?

2、parameterized 如何實現參數化?

先回顧一下上篇文章中 parameterized 庫的寫法：

import unittest from parameterized import parameterized class MyTest(unittest.TestCase):     @parameterized.expand([(3,1), (-1,0), (1.5,1.0)])     def test_values(self, first, second):         self.assertTrue(first > second)

它提供了一個裝飾器類 @parameterized，源碼如下(版本 0.7.1)，主要做了一些初始的校驗和參數解析，并非我們關注的重點，略過。

我們主要關注這個裝飾器類的 expand() 方法，它的文檔注釋中寫到：

A "brute force" method of parameterizing test cases. Creates new test cases  and injects them into the namespace that the wrapped function is being defined  in. Useful for parameterizing tests in subclasses of 'UnitTest', where Nose test  generators don't work.

關鍵的兩個動作是：“creates new test cases(創建新的測試單元)”和“inject them into the  namespace…(注入到原方法的命名空間)”。

關于第一點，它跟 ddt 是相似的，只是一些命名風格上的差異，以及參數的解析及綁定不同，不值得太關注。

最不同的則是，怎么令新的測試方法生效?

parameterized 使用的是一種“注入”的方式：

inspect 是個功能強大的標準庫，在此用于獲取程序調用棧的信息。前三句代碼的目的是取出 f_locals，它的含義是“local namespace  seen by this frame”，此處 f_locals 指的就是類的局部命名空間。

說到局部命名空間，你可能會想到 locals()，但是，我們之前有文章提到過“locals() 與 globals() 的讀寫問題”，locals()  是可讀不可寫的，所以這段代碼才用了 f_locals。

3、pytest 如何實現參數化?

按慣例先看看上篇文章中的寫法：

import pytest @pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)]) def test_values(first, second):     assert(first > second)

首先看到“mark”，pytest 里內置了一些標簽，例如  parametrize、timeout、skipif、xfail、tryfirst、trylast  等，還支持用戶自定義的標簽，可以設置執行條件、分組篩選執行，以及修改原測試行為等等。

用法也是非常簡單的，然而，其源碼可復雜多了。我們這里只關注 parametrize，先看看核心的一段代碼：

根據傳入的參數對，它復制了原測試方法的調用信息，存入待調用的列表里。跟前面分析的兩個庫不同，它并沒有在此創建新的測試方法，而是復用了已有的方法。在  parametrize() 所屬的 Metafunc 類往上查找，可以追蹤到 _calls 列表的使用位置：

最終是在 Function 類中執行：

好玩的是，在這里我們可以看到幾行神注釋……

閱讀(粗淺涉獵) pytest  的源碼，真的是自討苦吃……不過，依稀大致可以看出，它在實現參數化時，使用的是生成器的方案，遍歷一個參數則調用一次測試方法，而前面的 ddt 和  parameterized 則是一次性把所有參數解析完，生成 n 個新的測試方法，再交給測試框架去調度。

對比一下，前兩個庫的思路很清晰，而且由于其設計單純是為了實現參數化，不像 pytest 有什么標記和過多的抽象設計，所以更易讀易懂。前兩個庫發揮了  Python 的動態特性，設置類屬性或者注入局部命名空間，而 pytest 倒像是從什么靜態語言中借鑒的思路，略顯笨拙

到此，相信大家對“Python怎么將一個類方法變為多個方法”有了更深的了解，不妨來實際操作一番吧！這里是創新互聯網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！