本文目录一览：
python 函数变量 参数怎么使用
刚学用Python的时候，特别是看一些库的源码时，经常会看到func(*args, **kwargs)这样的函数定义，这个*和**让人有点费解。其实只要把函数参数定义搞清楚了，就不难理解了。
先说说函数定义，我们都知道，下面的代码定义了一个函数funcA
def funcA():
pass
显然，函数funcA没有参数（同时啥也不干:D）。
下面这个函数funcB就有两个参数了，
def funcB(a, b):
print a
print b
调用的时候，我们需要使用函数名，加上圆括号扩起来的参数列表，比如 funcB(100, 99)，执行结果是：
100
99
很明显，参数的顺序和个数要和函数定义中一致，如果执行funcB(100)，Python会报错的：
TypeError: funcB() takes exactly 2 arguments (1 given)
我们可以在函数定义中使用参数默认值，比如
def funcC(a, b=0):
print a
print b
在函数funcC的定义中，参数b有默认值，是一个可选参数，如果我们调用funcC(100)，b会自动赋值为0。
OK，目前为止，我们要定义一个函数的时候，必须要预先定义这个函数需要多少个参数（或者说可以接受多少个参数）。一般情况下这是没问题的，但是也有在定义函数的时候，不能知道参数个数的情况（想一想C语言里的printf函数），在Python里，带*的参数就是用来接受可变数量参数的。看一个例子
def funcD(a, b, *c):
print a
print b
print "length of c is: %d " % len(c)
print c
调用funcD(1, 2, 3, 4, 5, 6)结果是
1
2
length of c is: 4
(3, 4, 5, 6)
我们看到，前面两个参数被a、b接受了，剩下的4个参数，全部被c接受了，c在这里是一个tuple。我们在调用funcD的时候，至少要传递2个参数，2个以上的参数，都放到c里了，如果只有两个参数，那么c就是一个empty tuple。
好了，一颗星我们弄清楚了，下面轮到两颗星。
上面的例子里，调用函数的时候，传递的参数都是根据位置来跟函数定义里的参数表匹配的，比如funcB(100, 99)和funcB(99, 100)的执行结果是不一样的。在Python里，还支持一种用关键字参数(keyword argument)调用函数的办法，也就是在调用函数的时候，明确指定参数值付给那个形参。比如还是上面的funcB(a, b)，我们通过这两种方式调用
funcB(a=100, b=99)
和
funcB(b=99, a=100)
结果跟funcB(100, 99)都是一样的，因为我们在使用关键字参数调用的时候，指定了把100赋值给a，99赋值给b。也就是说，关键字参数可以让我们在调用函数的时候打乱参数传递的顺序！
另外，在函数调用中，可以混合使用基于位置匹配的参数和关键字参数，前题是先给出固定位置的参数，比如
def funcE(a, b, c):
print a
print b
print c
调用funcE(100, 99, 98)和调用funcE(100, c=98, b=99)的结果是一样的。
好了，经过以上铺垫，两颗星总算可以出场了：
如果一个函数定义中的最后一个形参有 ** （双星号）前缀,所有正常形参之外的其他的关键字参数都将被放置在一个字典中传递给函数，比如：
def funcF(a, **b):
print a
for x in b:
print x + ": " + str(b[x])
调用funcF(100, c='你好', b=200)，执行结果
100
c: 你好
b: 200
大家可以看到，b是一个dict对象实例，它接受了关键字参数b和c。
Python的函数和参数
parameter 是函数定义的参数形式
argument 是函数调用时传入的参数实体。
对于函数调用的传参模式，一般有两种：
此外，
也是关键字传参
python的函数参数定义一般来说有五种: 位置和关键字参数混合 ， 仅位置参数 ， 仅关键字参数 ， 可变位置参数 ， 可变关键字参数 。其中仅位置参数的方式仅仅是一个概念，python语法中暂时没有这样的设计。
通常我们见到的函数是位置和关键字混合的方式。
既可以用关键字又可以用位置调用
或
这种方式的定义只能使用关键字传参的模式
f(*some_list) 与 f(arg1, arg2, ...) （其中some_list = [arg1, arg2, ...]）是等价的
网络模块request的request方法的设计
多数的可选参数被设计成可变关键字参数
有多种方法能够为函数定义输出：
非常晦涩
如果使用可变对象作为函数的默认参数，会导致默认参数在所有的函数调用中被共享。
例子1：
addItem方法的data设计了一个默认参数，使用不当会造成默认参数被共享。
python里面，函数的默认参数被存在__default__属性中，这是一个元组类型
例子2：
在例子1中，默认参数是一个列表，它是mutable的数据类型，当它写进 __defauts__属性中时，函数addItem的操作并不会改变它的id，相当于 __defauts__只是保存了data的引用，对于它的内存数据并不关心，每次调用addItem，都可以修改 addItem.__defauts__中的数据，它是一个共享数据。
如果默认参数是一个imutable类型，情况将会不一样,你无法改变默认参数第一次存入的值。
例子1中，连续调用addItem('world') 的结果会是
而不是期望的
parameterized参数化测试
1、官网：
2、parameterized：可以使用任何Python测试框架进行参数化测试。比如nose的参数化测试，py.test的参数化测试，unittest的参数化测试。
3、安装parameterized：pip install parameterized
4、安装nose：pip install nose
5、安装pytest：pip install pytest
6、官网例子：
6.1、@parameterized 装饰符接受一个由tuples或param(...)组成的列表等：
6.2、@parameterized.expand 装饰符接受一个由tuples或param(...)组成的列表等，unittest仅支持这种@parameterized.expand 的用法，@parameterized.expand 可以用来在无法使用测试生成器的情况下生成测试方法（例如，当测试类是unittest.TestCase的子类时：
6.3、加法和乘法测试：
6.4、减法测试：
7、参数化参数
7.1、nose的参数化测试：nosetests -v test_math.py
7.2、py.test的参数化测试：py.test -v test_math.py（）
7.3、unittest的参数化测试：python -m unittest -v test_math.py
8、兼容性：
Python方法的几种常见参数类型
无默认值参数（关键字参数）：
def myfun(a):
print(a)
这是参数的最简单形式。这个a就是无默认值参数。在调用函数时必需为无默认值参数指定值。
无默认值参数可以通过两种方式来指定值：
# 按参数定义顺序不指名传递值
myfun('/src/image')
# 无视定义顺序，通过关键字指定值
myfun(a='/src/image')
无默认值参数在函数内部使用关键字作为变量名来访问
无默认值参数可以有多个，也是一些其它参数类型的基础。
默认值参数：
如果在定义时为参数指定一个默认值，那么，这个参数就可以在调用时不指定值：
def myfun(a=''):
print(a)
# 不为a指定值
myfun()
# 按定义顺序为a指定值
myfun('/src/lib')
# 通过关键字为a指定值
myfun(a='/src/lib')
在定义时，所有默认值参数只能出现在所有无默认值参数之后，也就是说，在函数的定义中，要先定义无默认值参数，再定义默认值参数。
不定长参数：
在参数名之前添加一个*号，则该参数称为不定长参数。一个函数只可以有一个不定长参数。不定长参数的定义位置没有限制，它可以定义在无默认值参数之间，也可以定义在默认值参数之后，或者它们之间的任何一个位置。
在调用时，不定长参数之后定义的无前两种类型的参数就只能使用关键字来指定值了。
不定长参数在函数内部被处理为一个tuple。
def _max(*e,base=9):
print('called "_max":')
print(' e:', e)
print(' base:', base)
# 只向不定长参数传递了值
# 输出:
# called "_max":
# e: (3, 4, 5)
# base: 9
_max(3, 4, 5)
# 也向默认值参数base传递了值
# 输出:
# called "_max":
# e: (3, 4)
# base: 5
_max(3, 4, base=5)
# 直接通过一个元组传递不定长参数的值
# 输出：
# called "_max":
# e: (3, 4)
# base: 5
p=(3, 4)
_max(*p, base=5)
# 使用混合方式传递不定长参数
# 输出：
# called "_max":
# e: (3, 4, 5, 6, 7)
# base: 10
p1=(3, 4)
p2=(6, 7)
_max(*p1, 5, *p2, base=10)
调用函数时如果没有为不定长参数指定值，将导入一个空元组。
不定长关键字参数：
不定长关键字参数使用两个星号作为前缀与其它类型的参数区分，它在函数内被导入为一个字典。调用时需要为不定长关键字参数给出约定的关键字名，赋值形式如同无默认值参数。
一般情况下，不定长参数是作为最后一个参数来定义。
def myfun(**kw):
print(kw)
myfun(base=1, home='aaaa')
以上只是基本的调用方式，有些时候，可以有更有趣的调用方式，例如定义了一个既含无默认值参数也含默认值参数的函数：
def iter_dir(homedir, exts='*', includesubdir=False, monoinfile=False,
titlere='^[^ ^ ].*', textengine=default_textengine,
encode=None):
调用时也可以用这样的方式来传递值：
kwgs = {'homedir': 'C:/Users/hunte/Documents/baiduyun/阿瑟·C·克拉克',
'exts': 'txt',
'includesubdir': True}
myiter = iter_dir(**kwgs)
for file in myiter:
pass
Python - pytest
目录
pytest是Python的单元测试框架，同自带的unittest框架类似，但pytest框架使用起来更简洁，效率更高。
pytest特点
安装
测试
在测试之前要做的准备
我的演示脚本处于这样一个的目录中：
踩坑：你创建的pytest脚本名称中不允许含有 . ，比如 1.简单上手.py ，这样会报错。当然，可以这么写 1-简单上手.py
demo1.py ：
上例中，当我们在执行（就像Python解释器执行普通的Python脚本一样）测试用例的时候， pytest.main(["-s", "demo1.py"]) 中的传参需要是一个元组或者列表（我的pytest是5.2.2版本），之前的版本可能需要这么调用 pytest.main("-s demo1.py") ，传的参数是str的形式，至于你使用哪种，取决于报不报错：
遇到上述报错，就是参数需要一个列表或者元组的形式，而我们使用的是str形式。
上述代码正确的执行结果是这样的：
大致的信息就是告诉我们:
pytest.main(["-s", "demo1.py"])参数说明
除了上述的函数这种写法，也可以有用例类的写法：
用法跟unittest差不多，类名要以 Test 开头，并且其中的用例方法也要以 test 开头，然后执行也一样。
执行结果：
那么，你这个时候可能会问，我记得unittest中有setup和teardown的方法，难道pytest中没有嘛？你怎么提都不提？稳住，答案是有的。
接下来，我们来研究一下pytest中的setup和teardown的用法。
我们知道，在unittest中，setup和teardown可以在每个用例前后执行，也可以在所有的用例集执行前后执行。那么在pytest中，有以下几种情况：
来一一看看各自的用法。
模块级别setup_module/teardown_module
执行结果：
类级别的setup_class/teardown_class
执行结果：
类中方法级别的setup_method/teardown_method
执行结果：
函数级别的setup_function/teardown_function
执行结果：
小结
该脚本有多种运行方式，如果处于PyCharm环境，可以使用右键或者点击运行按钮运行，也就是在pytest中的主函数中运行：
也可以在命令行中运行：
这种方式，跟使用Python解释器执行Python脚本没有什么两样。也可以如下面这么执行：
当然，还有一种是使用配置文件运行，来看看怎么用。
在项目的根目录下，我们可以建立一个 pytest.ini 文件，在这个文件中，我们可以实现相关的配置：
那这个配置文件中的各项都是什么意思呢？
首先， pytest.ini 文件必须位于项目的根目录，而且也必须叫做 pytest.ini 。
其他的参数：
OK，来个示例。
首先，（详细目录参考开头的目录结构）在 scripts/test_case_01.py 中：
在 scripts/test_case_dir1/test_case02.py 中：
那么，在不同的目录或者文件中，共有5个用例将被执行，而结果则是两个失败三个成功。来执行验证一下，因为有了配置文件，我们在终端中（前提是在项目的根目录），直接输入 pytest 即可。
由执行结果可以发现， 2 failed, 3 passed ，跟我们的预期一致。
后续执行相关配置都来自配置文件，如果更改，会有相应说明，终端都是直接使用 pytest 执行。
我们知道在unittest中，跳过用例可以用 skip ，那么这同样是适用于pytest。
来看怎么使用：
跳过用例，我们使用 @pytest.mark.skipif(condition, reason) ：
然后将它装饰在需要被跳过用例的的函数上面。
效果如下：
上例执行结果相对详细，因为我们在配置文件中为 addopts 增加了 -v ，之前的示例结果中，没有加！
另外，此时，在输出的控制台中， 还无法打印出 reason 信息，如果需要打印，则可以在配置文件中的 addopts 参数的 -s 变为 -rs ：
如果我们事先知道测试函数会执行失败，但又不想直接跳过，而是希望显示的提示。
Pytest 使用 pytest.mark.xfail 实现预见错误功能：：
需要掌握的必传参数的是：
那么关于预期失败的几种情况需要了解一下：
结果如下：
pytest 使用 x 表示预见的失败（XFAIL）。
如果预见的是失败，但实际运行测试却成功通过，pytest 使用 X 进行标记（XPASS）。
而在预期失败的两种情况中，我们不希望出现预期失败，结果却执行成功了的情况出现，因为跟我们想的不一样嘛，我预期这条用例失败，那这条用例就应该执行失败才对，你虽然执行成功了，但跟我想的不一样，你照样是失败的！
所以，我们需要将预期失败，结果却执行成功了的用例标记为执行失败，可以在 pytest.ini 文件中，加入：
这样就就把上述的情况标记为执行失败了。
pytest身为强大的单元测试框架，那么同样支持DDT数据驱动测试的概念。也就是当对一个测试函数进行测试时，通常会给函数传递多组参数。比如测试账号登陆，我们需要模拟各种千奇百怪的账号密码。
当然，我们可以把这些参数写在测试函数内部进行遍历。不过虽然参数众多，但仍然是一个测试，当某组参数导致断言失败，测试也就终止了。
通过异常捕获，我们可以保证程所有参数完整执行，但要分析测试结果就需要做不少额外的工作。
在 pytest 中，我们有更好的解决方法，就是参数化测试，即每组参数都独立执行一次测试。使用的工具就是 pytest.mark.parametrize(argnames, argvalues) 。
使用就是以装饰器的形式使用。
只有一个参数的测试用例
来看（重要部分）结果：：
可以看到，列表内的每个手机号，都是一条测试用例。
多个参数的测试用例
（重要部分）结果：
可以看到，每一个手机号与每一个验证码都组合一起执行了，这样就执行了4次。那么如果有很多个组合的话，用例数将会更多。我们希望手机号与验证码一一对应组合，也就是只执行两次，怎么搞呢？
在多参数情况下，多个参数名是以 , 分割的字符串。参数值是列表嵌套的形式组成的。
固件（Fixture）是一些函数，pytest 会在执行测试函数之前（或之后）加载运行它们，也称测试夹具。
我们可以利用固件做任何事情，其中最常见的可能就是数据库的初始连接和最后关闭操作。
Pytest 使用 pytest.fixture() 定义固件，下面是最简单的固件，访问主页前必须先登录：
结果：
在之前的示例中，你可能会觉得，这跟之前的setup和teardown的功能也类似呀，但是，fixture相对于setup和teardown来说更灵活。pytest通过 scope 参数来控制固件的使用范围，也就是作用域。
比如之前的login固件，可以指定它的作用域：
很多时候需要在测试前进行预处理（如新建数据库连接），并在测试完成进行清理（关闭数据库连接）。
当有大量重复的这类操作，最佳实践是使用固件来自动化所有预处理和后处理。
Pytest 使用 yield 关键词将固件分为两部分， yield 之前的代码属于预处理，会在测试前执行； yield 之后的代码属于后处理，将在测试完成后执行。
以下测试模拟数据库查询，使用固件来模拟数据库的连接关闭：
结果：
可以看到在两个测试用例执行前后都有预处理和后处理。
pytest中还有非常多的插件供我们使用，我们来介绍几个常用的。
先来看一个重要的，那就是生成测试用例报告。
想要生成测试报告，首先要有下载，才能使用。
下载
如果下载失败，可以使用PyCharm下载，怎么用PyCharm下载这里无需多言了吧。
使用
在配置文件中，添加参数：
效果很不错吧！
没完，看我大招
Allure框架是一个灵活的轻量级多语言测试报告工具，它不仅以web的方式展示了简洁的测试结果，而且允许参与开发过程的每个人从日常执行的测试中最大限度的提取有用信息。
从开发人员（dev，developer）和质量保证人员（QA，Quality Assurance）的角度来看，Allure报告简化了常见缺陷的统计：失败的测试可以分为bug和被中断的测试，还可以配置日志、步骤、fixture、附件、计时、执行 历史 以及与TMS和BUG管理系统集成，所以，通过以上配置，所有负责的开发人员和测试人员可以尽可能的掌握测试信息。
从管理者的角度来看，Allure提供了一个清晰的“大图”，其中包括已覆盖的特性、缺陷聚集的位置、执行时间轴的外观以及许多其他方便的事情。allure的模块化和可扩展性保证了我们总是能够对某些东西进行微调。
少扯点，来看看怎么使用。
Python的pytest中allure下载
但由于这个 allure-pytest 插件生成的测试报告不是 html 类型的，我们还需要使用allure工具再“加工”一下。所以说，我们还需要下载这个allure工具。
allure工具下载
在现在allure工具之前，它依赖Java环境，我们还需要先配置Java环境。
注意，如果你的电脑已经有了Java环境，就无需重新配置了。
配置完了Java环境，我们再来下载allure工具，我这里直接给出了百度云盘链接，你也可以去其他链接中自行下载：
下载并解压好了allure工具包之后，还需要将allure包内的 bin 目录添加到系统的环境变量中。
完事后打开你的终端测试：
返回了版本号说明安装成功。
使用
一般使用allure要经历几个步骤：
来看配置 pytest.ini ：
就是 --alluredir ./report/result 参数。
在终端中输入 pytest 正常执行测试用例即可：
执行完毕后，在项目的根目下，会自动生成一个 report 目录，这个目录下有：
接下来需要使用allure工具来生成HTML报告。
此时我们在终端（如果是windows平台，就是cmd），路径是项目的根目录，执行下面的命令。
PS：我在pycharm中的terminal输入allure提示'allure' 不是内部或外部命令，也不是可运行的程序或批处理文件。但windows的终端没有问题。
命令的意思是，根据 reportresult 目录中的数据（这些数据是运行pytest后产生的）。在 report 目录下新建一个 allure_html 目录，而这个目录内有 index.html 才是最终的allure版本的HTML报告；如果你是重复执行的话，使用 --clean 清除之前的报告。
结果很漂亮：
allure open
默认的，allure报告需要HTTP服务器来打开，一般我们可以通过pycharm来完成，另外一种情况就是通过allure自带的open命令来完成。
allure的其他用法
当然，故事还是没有完！在使用allure生成报告的时候，在编写用例阶段，还可以有一些参数可以使用：
allure.title与allure.description
feature和story
由上图可以看到，不同的用例被分为不同的功能中。
allure.severity
allure.severity 用来标识测试用例或者测试类的级别，分为blocker，critical，normal，minor，trivial5个级别。
severity的默认级别是normal，所以上面的用例5可以不添加装饰器了。
allure.dynamic
在之前，用例的执行顺序是从上到下依次执行：
正如上例的执行顺序是 3 1 2 。
现在，来看看我们如何手动控制多个用例的执行顺序，这里也依赖一个插件。
下载
使用
手动控制用例执行顺序的方法是在给各用例添加一个装饰器：
那么， 现在的执行顺序是 2 1 3 ，按照order指定的排序执行的。
如果有人较劲传个0或者负数啥的，那么它们的排序关系应该是这样的：
失败重试意思是指定某个用例执行失败可以重新运行。
下载
使用
需要在 pytest.ini 文件中， 配置：
给 addopts 字段新增（其他原有保持不变） --reruns=3 字段，这样如果有用例执行失败，则再次执行，尝试3次。
来看示例：
结果：
我们也可以从用例报告中看出重试的结果：
上面演示了用例失败了，然后重新执行多少次都没有成功，这是一种情况。
接下来，来看另一种情况，那就是用例执行失败，重新执行次数内通过了，那么剩余的重新执行的次数将不再执行。
通过 random 模块帮助我们演示出在某次执行中出现失败的情况，而在重新执行的时候，会出现成功的情况，看结果：
可以看到，用例 02 重新执行了一次就成功了，剩余的两次执行就终止了。
一条一条用例的执行，肯定会很慢，来看如何并发的执行测试用例，当然这需要相应的插件。
下载
使用
在配置文件中添加：
就是这个 -n=auto ：
并发的配置可以写在配置文件中，然后其他正常的执行用例脚本即可。另外一种就是在终端中指定，先来看示例：
结果：
pytest-sugar 改变了 pytest 的默认外观，添加了一个进度条，并立即显示失败的测试。它不需要配置，只需 下载插件即可，用 pytest 运行测试，来享受更漂亮、更有用的输出。
下载
其他照旧执行用例即可。
pytest-cov 在 pytest 中增加了覆盖率支持，来显示哪些代码行已经测试过，哪些还没有。它还将包括项目的测试覆盖率。
下载
使用
在配置文件中：
也就是配置 --cov=./scripts ，这样，它就会统计所有 scripts 目录下所有符合规则的脚本的测试覆盖率。
执行的话，就照常执行就行。
结果：
更多插件参考：
有的时候，在 pytest.ini 中配置了 pytest-html 和 allure 插件之后，执行后报错：
出现了这个报错，检查你配置的解释器中是否存在 pytest-html 和 allure-pytest 这两个模块。如果是使用的pycharm ide，那么你除了检查settings中的解释器配置之外，还需要保证运行脚本的编辑器配置是否跟settings中配置一致。