Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)
亲爱的编程学习爱好者,如果你点开了这篇文章,说明你对《Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)》很感兴趣。本篇文章就来给大家详细解析一下,主要介绍一下,希望所有认真读完的童鞋们,都有实质性的提高。
在上一篇文章中,我们创建了 pytest 夹具,它将在测试方法之前/之后创建/删除 postgres 数据库。在这一部分中,我想在 pytest 工厂固定装置的帮助下改进固定装置,使其更加灵活和可配置。
静态夹具的限制
例如,如果您有多个数据库要在测试中模拟
def test_create_user(test_db1, test_db2): ...
您必须创建几乎两个相同的灯具:
test_db_url = "postgresql://localhost" test_db1_name = "test_foo" test_db2_name = "test_bar" @pytest.fixture def test_db1(): with psycopg.connect(test_db_url, autocommit=true) as conn: cur = conn.cursor() cur.execute(f'drop database if exists "{test_db1_name}" with (force)') cur.execute(f'create database "{test_db1_name}"') with psycopg.connect(test_db_url, dbname=test_db1_name) as conn: yield conn cur.execute(f'drop database if exists "{test_db1_name}" with (force)') @pytest.fixture def test_db2(): with psycopg.connect(test_db_url, autocommit=true) as conn: cur = conn.cursor() cur.execute(f'drop database if exists "{test_db2_name}" with (force)') cur.execute(f'create database "{test_db2_name}"') with psycopg.connect(test_db_url, dbname=test_db2_name) as conn: yield conn cur.execute(f'drop database if exists "{test_db2_name}" with (force)')
pytest 夹具工厂
“静态”装置在这里有点限制。当需要几乎相同且仅有细微差别时,您需要复制代码。希望 pytest 有工厂作为固定装置的概念。
工厂固定装置是一个返回另一个固定装置的固定装置。因为,像每个工厂一样,它是一个函数,它可以接受参数来自定义返回的固定装置。按照惯例,您可以在它们前面加上 make_* 前缀,例如 make_test_db。
专用夹具
我们的装置工厂 make_test_db 的唯一参数将是要创建/删除的测试数据库名称。
那么,让我们基于 make_test_db 工厂装置创建两个“专用”装置。
用法如下:
@pytest.fixture def test_db_foo(make_test_db): yield from make_test_db("test_foo") @pytest.fixture def test_db_bar(make_test_db): yield from make_test_db("test_bar")
旁注:产量来自
你注意到产量了吗? yield 和 yield 之间的一个关键区别在于它们如何处理生成器内的数据流和控制。
在python中,yield和yield from都在生成器函数中使用来生成一系列值,但是
- yield 用于暂停生成器函数的执行并向调用者返回单个值。
- 而yield from用于将值的生成委托给另一个生成器。它本质上“展平”了嵌套生成器,将其生成的值直接传递给外部生成器的调用者。
也就是说,我们不想从专门的夹具“屈服”,而是从夹具工厂“屈服”。因此这里需要yield from。
用于创建/删除数据库的夹具工厂
除了将代码包装到内部函数之外,对我们原始夹具创建/删除数据库所需的更改实际上几乎不需要任何更改。
@pytest.fixture def make_test_db(): def _(test_db_name: str): with psycopg.connect(test_db_url, autocommit=true) as conn: cur = conn.cursor() cur.execute(f'drop database if exists "{test_db_name}" with (force)') # type: ignore cur.execute(f'create database "{test_db_name}"') # type: ignore with psycopg.connect(test_db_url, dbname=test_db_name) as conn: yield conn cur.execute(f'drop database if exists "{test_db_name}" with (force)') # type: ignore yield _
奖励:将迁移固定装置重写为工厂固定装置
在上一部分中,我还有一个固定装置,将 yoyo 迁移应用于刚刚创建的空数据库。它也不是很灵活。让我们做同样的事情并将实际代码包装到内部函数中。
在这种情况下,因为代码不需要在从测试方法返回后进行清理(其中没有yield),所以
- 工厂装置返回(不是yield)内部函数
- 专门的夹具调用(不是从工厂夹具中产生)
@pytest.fixture def make_yoyo(): """applies yoyo migrations to test db.""" def _(test_db_name: str, migrations_dir: str): url = ( urlparse(test_db_url) . _replace(scheme="postgresql+psycopg") . _replace(path=test_db_name) .geturl() ) backend = get_backend(url) migrations = read_migrations(migrations_dir) if len(migrations) == 0: raise valueerror(f"no yoyo migrations found in '{migrations_dir}'") with backend.lock(): backend.apply_migrations(backend.to_apply(migrations)) return _ @pytest.fixture def yoyo_foo(make_yoyo): migrations_dir = str(path(__file__, "../../foo/migrations").resolve()) make_yoyo("test_foo", migrations_dir) @pytest.fixture def yoyo_bar(make_yoyo): migrations_dir = str(path(__file__, "../../bar/migrations").resolve()) make_yoyo("test_bar", migrations_dir)
需要两个数据库并对它们应用迁移的测试方法:
from psycopg import Connection def test_get_new_users_since_last_run( test_db_foo: Connection, test_db_bar: Connection, yoyo_foo, yoyo_bar): test_db_foo.execute("...") ...
结论
构建自己的夹具工厂,为 pytest 方法创建和删除数据库实际上是练习 python 生成器和运算符的产量/产量的一个很好的练习。
我希望本文对您自己的数据库测试套件有所帮助。请随时在评论中留下您的问题,祝您编码愉快!
本篇关于《Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

- 上一篇
- 理解 Java 函数线程安全性的关键概念

- 下一篇
- win10合并右下角图标怎么操作 win10合并右下角图标的操作方法
-
- 文章 · python教程 | 8分钟前 | 数据验证 字段类型 Django模型 models.py ForeignKey
- Django模型定义实用技巧与示例
- 305浏览 收藏
-
- 文章 · python教程 | 33分钟前 |
- Python异常测试的最佳实践
- 410浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python轻松重命名文件的小技巧
- 276浏览 收藏
-
- 文章 · python教程 | 2小时前 | Matplotlib Seaborn Pandas scatterplot boxplot
- Pythonseaborn库使用方法与技巧大全
- 106浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python中如何用Manager管理共享状态?
- 337浏览 收藏
-
- 文章 · python教程 | 4小时前 |
- Python绘制词云图的简易教程
- 231浏览 收藏
-
- 文章 · python教程 | 6小时前 |
- Linux系统DataCap验证码显示问题的最佳解决方案
- 301浏览 收藏
-
- 文章 · python教程 | 6小时前 |
- Python中__slots__如何优化内存?
- 485浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 484次学习
-
- AI Make Song
- AI Make Song是一款革命性的AI音乐生成平台,提供文本和歌词转音乐的双模式输入,支持多语言及商业友好版权体系。无论你是音乐爱好者、内容创作者还是广告从业者,都能在这里实现“用文字创造音乐”的梦想。平台已生成超百万首原创音乐,覆盖全球20个国家,用户满意度高达95%。
- 22次使用
-
- SongGenerator
- 探索SongGenerator.io,零门槛、全免费的AI音乐生成器。无需注册,通过简单文本输入即可生成多风格音乐,适用于内容创作者、音乐爱好者和教育工作者。日均生成量超10万次,全球50国家用户信赖。
- 18次使用
-
- BeArt AI换脸
- 探索BeArt AI换脸工具,免费在线使用,无需下载软件,即可对照片、视频和GIF进行高质量换脸。体验快速、流畅、无水印的换脸效果,适用于娱乐创作、影视制作、广告营销等多种场景。
- 18次使用
-
- 协启动
- SEO摘要协启动(XieQiDong Chatbot)是由深圳协启动传媒有限公司运营的AI智能服务平台,提供多模型支持的对话服务、文档处理和图像生成工具,旨在提升用户内容创作与信息处理效率。平台支持订阅制付费,适合个人及企业用户,满足日常聊天、文案生成、学习辅助等需求。
- 20次使用
-
- Brev AI
- 探索Brev AI,一个无需注册即可免费使用的AI音乐创作平台,提供多功能工具如音乐生成、去人声、歌词创作等,适用于内容创作、商业配乐和个人创作,满足您的音乐需求。
- 22次使用
-
- Flask框架安装技巧:让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++:哪个编程语言更适合初学者?
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览