一、可爱版 pytest 插件 & hook 知识大礼包 🎁

准备好和 pytest 插件来一场可爱约会了吗～ 咱们用超甜的 emoji 把知识串成棉花糖🍡 一口一个知识点！

一、 pytest 插件：框架的 “魔法百宝箱” 🧙‍♀️

1. 核心秘密：75% 都是插件！

pytest 源码里 3/4 都是插件代码！这说明啥？
→ pytest 本身就是个 “插件大礼包”🎁 所有灵活扩展的功能，全靠插件机制撑起来！

2. 插件能做啥？

给 pytest 装插件，就像给手机装 App～

• 想生成花里胡哨的测试报告？装报告插件！📊
• 想自定义测试用例收集规则？装收集插件！🧹
• 想在测试前后自动初始化数据？装初始化插件！🧪
• 总之：插件 = pytest 的 “超能力扩展包”，想改功能、加功能，全靠它！

二、写 pytest 插件的 “甜甜四步法” 🍰

给 pytest 写插件，就像给朋友做定制礼物🎁 分四步：

1. 第一步：摸清 pytest 的 “钩子清单” 

pytest 有 52 个左右的 hook（钩子），全藏在 _pytest/hookspec.py 文件里！
每个 hook 长这样：

@hookspec
def pytest_addhooks(pluginmanager): ...

→ 你需要知道：

• 名字：比如 pytest_addhooks 是 hook 的 “身份证”～
• 参数：它需要啥参数（比如 pluginmanager），插件里的函数必须 “对得上”！
• 返回值：它要返回啥（比如 None），插件实现时得 “按规矩来”～
• 执行时机：它在 pytest 运行的哪个阶段触发（比如 “初始化时”“收集测试用例时”）

2. 第二步：对准需求选 hook 🎯

先想清楚：你想让 pytest 做啥？

• 需求：“想在测试报告里加表情包！” → 选 Reporting hooks 相关的 hook～
• 需求：“想跳过特定环境的测试！” → 选 Test running hooks 相关的 hook～
• → 整理出能解决你痛点的 hook，就像 “选对工具做手工”✂️

3. 第三步：实现 hook（写插件！） ✨

找到想扩展的 hook 后，写插件函数～ 记得贴 @hookimpl 标签！

示例：想在测试前打印 “加油”💪

from pluggy import hookimpldef pytest_runtest_setup(item):print("💪 测试加油！这是插件扩展的逻辑～")

→ 关键点：

• 函数名和 hook 名字一致（比如 pytest_runtest_setup）～
• 参数和 hook 声明的参数一致（比如 item 代表测试用例）～
• 用 @hookimpl 装饰器标记，告诉 pytest：“我是插件！”

4. 第四步：打包插件（分享甜蜜！） 📦

写好的插件，要打包成 “安装包”～

• 用 setuptools 写 setup.py，把插件打包成 whl 或 tar.gz 文件～
• 别人装你的插件，就像 pip install 你的插件包，超方便！

三、 hook 的 “执行时机”： pytest 的生命周期派对 🎉

pytest 运行时，像一场 “分阶段派对”，每个阶段触发不同的 hook～

1. 官方分类（超甜版） 🍬

pytest 把 hook 分成 6 类，对应派对的 6 个环节：

2. 执行顺序：派对流程 🎊

pytest 运行时，hook 会按以下顺序 “登场”：
筹备（Bootstrapping） → 签到（Initialization） → 收菜（Collection） → 干饭（Test running） → 写评价（Reporting） → 处理突发状况（Debugging）

→ 每个环节的 hook 依次调用，像接力赛一样～ 前一个环节的 hook 跑完，下一个接上！

四、生成 & 读 pytest 的 debug log：看 hook 怎么 “蹦迪” 🕺

想知道 hook 具体啥时候执行？用 debug log 看它们的 “蹦迪轨迹”！

1. 生成 log：开启 debug 模式 

在命令行执行：

# Windows
set PYTEST_DEBUG=1  
pytest 你的测试文件.py > pytest.log  # Linux/Mac
PYTEST_DEBUG=1 pytest 你的测试文件.py > pytest.log  

→ 这会让 pytest 把 所有 hook 调用、执行细节 都记在 pytest.log 里，像 “蹦迪全程录像”！

2. 读 log：找 hook 的 “蹦迪镜头” 🎥

打开 pytest.log，搜索 pytest_ 开头的函数名（比如 pytest_runtest_setup），就能看到：

DEBUG: pytest: Calling hook pytest_runtest_setup 
DEBUG: pytest: Hook pytest_runtest_setup executed with args (...)

→ 这说明：

• Calling hook...：pytest 要开始调用这个 hook 啦（喊它 “上台蹦迪”）～
• executed with args...：hook 执行了，还带了参数（比如测试用例信息）～

3. 看执行时机：派对时间线 🕒

把所有 hook 的 Calling hook 日志按顺序排，就能画出 pytest 的 “生命周期时间线”～
比如：

Calling hook pytest_collectstart  # 开始收测试用例  
Calling hook pytest_runtest_setup # 准备执行测试  
Calling hook pytest_runtest_call  # 正在执行测试  
Calling hook pytest_runtest_teardown # 测试结束清理  

→ 这样就清楚每个 hook 在 “派对” 的哪个时间点蹦迪啦！

总结： pytest 插件 & hook 超甜关系 💕

• pytest 是 “派对主办方”，提供基础流程～
• hook 是 “派对环节接口”，每个环节开放给插件扩展～
• 插件 是 “派对嘉宾”，用 @hookimpl 实现 hook，在对应环节 “表演节目”～

想玩转 pytest 源码或写插件？记住这颗 “糖”：hook 是桥梁，插件是魔法，pytest 靠它们无限扩展！ 🍭

二、用 pytest hook 自动生成测试用例 🧪✨

一、项目结构（更简单！）

my_project/
├── conftest.py         # 核心：写插件逻辑
├── test_data/          # 测试数据文件夹
│   ├── test_add.json
│   └── test_sub.json
└── test_demo.py        # 测试文件（触发插件）

二、编写 conftest.py（核心！）

# conftest.py
from _pytest.nodes import Item
from pathlib import Path
import json# 1. 自定义测试项类：实现测试逻辑
class CatDataItem(Item):def __init__(self, *, name, parent, data):super().__init__(name=name, parent=parent)self.data = data  # 保存测试数据def runtest(self):a = self.data["a"]b = self.data["b"]expected = self.data["c"]result = a + bassert result == expected, f"{a} + {b} != {expected}"def reportinfo(self):return self.fspath, 0, f"CatData: {self.name}"# 2. 实现 pytest_pycollect_makeitem hook
def pytest_pycollect_makeitem(collector, name, obj):# 只处理特定测试文件（这里假设文件名包含 "test_data"）if "test_data" not in collector.name:return None  # 不是目标文件，走默认流程# 获取测试数据文件夹路径（相对于当前执行目录）data_dir = Path(__file__).parent / "test_data"# 收集所有 .json 文件test_files = list(data_dir.glob("test_*.json"))if not test_files:return None  # 没有测试数据文件，走默认流程# 为每个 JSON 文件创建一个测试项items = []for test_file in test_files:with open(test_file, "r", encoding="utf-8") as f:test_data = json.load(f)# 创建测试项，名字取自 JSON 中的 "name" 字段item = CatDataItem.from_parent(parent=collector,name=test_data["name"],data=test_data)items.append(item)return items  # 返回所有自定义测试项

三、编写测试数据（test_data/ 目录）

1. test_add.json

{"name": "test_addition","a": 1,"b": 2,"c": 3
}

2. test_sub.json

{"name": "test_subtraction","a": 5,"b": 2,"c": 3
}

四、编写测试文件（test_demo.py）

# test_demo.py
# 文件名包含 "test_data"，会触发我们的插件逻辑
def test_data_demo():pass  # 这个函数本身不会被执行，只是作为触发插件的载体

五、运行测试（无需安装插件！）

pytest -v

预期输出：

test_demo.py::test_data_demo::CatData: test_addition PASSED [ 50%]
test_demo.py::test_data_demo::CatData: test_subtraction PASSED [100%]

 实际输出：

六、关键区别（与插件方式对比）

七、进阶玩法（在 conftest.py 中）

1. 动态数据目录（通过命令行参数）

# conftest.py
def pytest_addoption(parser):parser.addoption("--data-dir", action="store", default="test_data", help="测试数据目录")def pytest_pycollect_makeitem(collector, name, obj):# ... 其他代码不变 ...# 获取命令行指定的数据目录data_dir = Path(collector.config.getoption("--data-dir"))# ... 后续代码不变 ...

使用方法：

pytest --data-dir=my_custom_data -v

2. 支持多种数据格式（JSON + YAML）

# 需要先安装：pip install pyyaml
import yamldef pytest_pycollect_makeitem(collector, name, obj):# ... 其他代码不变 ...for test_file in test_files:with open(test_file, "r", encoding="utf-8") as f:if test_file.suffix == ".json":test_data = json.load(f)elif test_file.suffix == ".yaml":test_data = yaml.safe_load(f)# ... 后续代码不变 ...

顺便记一下这些文件属性的小tips： 

三、超详细拆分和解读代码🐱

一、导入模块

from _pytest.nodes import Item
from pathlib import Path
import json

• Item：pytest 框架中的测试项基类，我们要继承它来创建自定义测试
• Path：Python 的路径操作工具，比字符串处理路径更方便
• json：处理 JSON 格式数据的模块

二、自定义测试项类

class CatDataItem(Item):def __init__(self, *, name, parent, data, path):super().__init__(name=name, parent=parent)self.data = dataself.path = path  # 保存测试数据文件路径，用于调试

• CatDataItem：继承自 Item 的自定义测试项类
• __init__：初始化函数，创建对象时自动调用
  • name：测试名称
  • parent：父级测试容器
  • data：从 JSON 文件加载的测试数据
  • path：JSON 文件路径（用于调试）
• super().__init__：调用父类的初始化函数

三、测试执行逻辑

def runtest(self):a = self.data["a"]b = self.data["b"]expected = self.data["c"]result = a + bassert result == expected, f"{a} + {b} != {expected} (from {self.path.name})"

• runtest：pytest 框架要求的方法，定义测试执行逻辑
• a=self.data["a"] 在data里获取键为a的值 把这个值赋值给变量a

四、测试报告信息

def reportinfo(self):return self.fspath, 0, f"CatData: {self.name}"

• reportinfo：定义测试报告中显示的信息
• 返回元组：(文件路径，行号，测试名称)
• 第一个元素 self.fspath：
  测试项关联的文件路径（比如 test_demo.py 的路径），用于在报告中显示 “这个测试来自哪个文件”。
• 第二个元素 0：
  测试项在文件中的行号（这里固定为 0，因为你的测试是动态生成的，没有实际行号）。
• 第三个元素 f"CatData: {self.name}"：
  测试项的描述信息，会显示在报告中。self.name 是你定义的测试名称（比如 test_add_addition），前面加 CatData: 是为了区分这是你自定义的测试项。

pytest 有两类核心钩子，它们的工作方式不同：

1. 插件级钩子（函数形式）

就是在 conftest.py 中写的 pytest_pycollect_makeitem 这类函数 —— 它们必须以 pytest_ 开头，放在 conftest.py 中，pytest 会自动扫描并加载这些函数，作为插件扩展逻辑

这类钩子需要 “显式声明”（通过命名规范和文件位置），因为它们是 “外部插件” 向框架注入逻辑的入口。

2. 类级钩子（方法形式）

Item 类中的 runtest、reportinfo 这类方法属于 “框架内部接口钩子”—— 它们是框架提前定义好的 “接口方法”，要求子类必须（或可以）重写，以实现特定功能。

这类钩子 不需要插件声明，因为它们是框架内部的 “约定”：只要你继承了 Item 类，并重写了这些方法，框架就会自动识别并调用它们，无需额外声明。

五、防止重复处理的全局变量

# 用于跟踪已处理的文件，避免重复
processed_files = set()

• set()：无序且唯一的数据集合
• 记录已经处理过的文件，避免重复生成测试

• 🐍 Python 里超好用的 set() 集合！它就像一个神奇的小口袋，装东西有特别的规矩哦～ 😜

  🌟 什么是 set()？

  set 是 Python 的一种数据类型，中文叫 “集合”。它最大的特点就是：里面的元素不能重复，而且没有固定顺序～ 就像一堆散乱但绝不重复的糖果🍬，拿出来的时候顺序说不定会变，但每种糖只会有一颗！

  🛠️ 基本用法

  1. 创建集合

  # 用 {} 直接创建（注意：空集合不能用 {}，要用 set()！）
  candies = {"草莓糖", "牛奶糖", "巧克力"}
  print(candies)  # 可能输出：{'牛奶糖', '草莓糖', '巧克力'}（顺序不定）# 用 set() 转换其他类型（比如列表）
  fruit_list = ["苹果", "香蕉", "苹果"]  # 列表里有重复的苹果哦
  fruit_set = set(fruit_list)
  print(fruit_set)  # 输出：{'苹果', '香蕉'}（自动去重啦！）
  

  2. 给集合 “加东西”

  用 add() 方法，一次加一个元素～ 🍡

  pets = {"猫", "狗"}
  pets.add("兔子")  # 加一只兔子
  pets.add("猫")    # 再加一只猫？不会成功哦，因为集合里不能有重复！
  print(pets)  # 输出：{'猫', '狗', '兔子'}
  

  3. 从集合 “拿东西”

  用 remove() 或 discard() 方法～ 注意 remove() 删不存在的元素会生气（报错），discard() 会默默忽略哦～ 😌

  toys = {"积木", "娃娃", "汽车"}
  toys.remove("娃娃")  # 删掉娃娃
  toys.discard("飞机")  # 删掉不存在的飞机，不报错
  print(toys)  # 输出：{'积木', '汽车'}
  

  4. 集合的 “魔法操作”

  集合最擅长做 “交集、并集、差集”，就像玩拼图一样～ 🧩

  a = {1, 2, 3, 4}
  b = {3, 4, 5, 6}# 交集（两个集合都有的元素）&
  print(a & b)  # 输出：{3, 4}# 并集（两个集合所有元素，去重）|
  print(a | b)  # 输出：{1, 2, 3, 4, 5, 6}# 差集（a有但b没有的元素）-
  print(a - b)  # 输出：{1, 2}
  

  5. 检查元素在不在集合里

  用 in 关键词，超快速！比列表检查快很多哦～ ⚡

  snacks = {"薯片", "饼干", "果冻"}
  print("薯片" in snacks)  # 输出：True（薯片在里面！）
  print("巧克力" in snacks)  # 输出：False（没有巧克力～）
  

  🎯 什么时候用 set()？

• 想 去重 的时候（比如清理重复数据）
• 想快速 判断元素是否存在 的时候（比列表快 N 倍！）
• 想做 集合运算 的时候（比如找共同元素、不同元素）

六、测试收集钩子函数

def pytest_pycollect_makeitem(collector, name, obj):# 只处理 my_test 目录下的 test_demo.pyif not hasattr(collector, 'fspath'):return None

这里是在检查 collector（pytest 的收集器对象）有没有 fspath 这个属性。

• fspath 是 “文件路径” 的意思，只有当 collector 正在处理具体文件时，才会有这个属性；
• 如果 collector 处理的是文件夹（或者其他非文件对象），就没有 fspath，这时候就返回 None 跳过处理。

collector 是 pytest 中一类特殊的对象，中文叫 “收集器”，作用是 “发现并收集测试用例”。不同类型的 collector 负责处理不同的测试结构：

• Module 类型的 collector：处理 .py 测试文件（比如 test_demo.py）。
• Class 类型的 collector：处理测试类（比如 class TestDemo:）。
• Function 类型的 collector：处理测试函数（比如 def test_add():）。
• 还有 Package（处理测试包）、File（处理非 Python 文件）等类型。

collector 是在哪里创建的？

当你运行 pytest 命令时，pytest 会按以下流程自动创建 collector：

1. 扫描项目目录：pytest 从指定目录（默认当前目录）开始，递归扫描所有文件和文件夹。
2. 根据文件 / 内容创建 collector：
   • 当扫描到一个 .py 文件（比如 test_demo.py），pytest 会创建一个 Module 类型的 collector，负责处理这个文件里的测试内容。
   • 如果这个 .py 文件里有测试类（比如 class TestXXX:），pytest 会为这个类创建一个 Class 类型的 collector。
   • 如果文件里有测试函数（比如 def test_xxx():），会创建 Function 类型的 collector。
3. collector 工作：每个 collector 会 “收集” 自己负责的测试元素（比如 Module 收集文件里的所有测试类和函数），并生成对应的测试项（Item）。

在的pytest_pycollect_makeitem 钩子函数中，collector 是 pytest 自动传递给你的 “已经创建好的收集器”。比如：

• 当 pytest 扫描到 my_test/test_demo.py 时，会创建一个 Module 类型的 collector（对应这个文件），然后调用你的钩子函数，并把这个 collector 作为参数传进来。
• 你的钩子函数通过判断这个 collector 的属性（比如 fspath 路径），决定是否要为它生成自定义测试项（CatDataItem）。

七、路径检查与过滤

fspath = Path(collector.fspath)# 关键过滤：只处理 test_demo.py 中的 test_demo 函数
if (fspath.parent.name != "my_test"or fspath.name != "test_demo.py"or name != "test_demo"
):return None

• fspath：转换为 Path 对象的文件路径
• 只处理 my_test/test_demo.py 文件中的 test_demo 函数
• 其他文件或函数会被忽略

八、防止重复处理

# 防止重复处理
if fspath in processed_files:return Noneprocessed_files.add(fspath)

• 如果该文件已经处理过，直接返回
• 否则将文件路径添加到已处理集合中

九、加载 JSON 数据

# 加载 JSON 数据
data_dir = fspath.parent / "test_data"# 检查数据目录是否存在
if not data_dir.exists():return Nonetest_files = list(data_dir.glob("*.json"))if not test_files:return None

• / "test_data"

  • 这里的 / 不是除法哦！在 pathlib 模块里，它是 路径拼接符，专门用来把 “父目录” 和 “子目录 / 文件名” 拼在一起。
  • 所以 fspath.parent / "test_data" 就是把 my_test 和 test_data 拼起来，得到 my_test/test_data。
• data_dir：测试数据目录路径
• exists()：检查目录是否存在
• glob("*.json")：查找所有 JSON 文件

十、生成测试项

items = []
for test_file in test_files:with open(test_file, "r", encoding="utf-8") as f:test_data = json.load(f)# 使用 JSON 中的 name 字段作为测试名称test_name = test_data.get("name", test_file.stem)# 使用文件名作为后缀（去掉 .json 扩展名）suffix = test_file.stemunique_name = f"{test_name}_{suffix}"  # 例如: test_add_additionitem = CatDataItem.from_parent(parent=collector,name=unique_name,data=test_data,path=test_file)items.append(item)return items

CatDataItem.from_parent(...) 的作用和 CatDataItem(...) 一样，都是创建 CatDataItem 类的实例（对象）。只不过 from_parent 是框架推荐的 “便捷工厂方法”，专门用于从父对象（这里的 collector）创建子对象。

• from_parent 是 CatDataItem 类继承自父类 Item 的一个类方法（用 @classmethod 定义的方法，专门用来创建实例）

• 参数含义

  • parent=collector：指定当前测试项的父对象是 collector（之前说的 “收集器”，比如 test_demo.py 对应的模块对象）。

为什么父对象很重要？

在这个层级结构中，每个收集器 / 测试项都有明确的父对象：

• Module 收集器的父对象是 Package 或 Directory；
• Class 收集器的父对象是 Module；
• Function 收集器的父对象是 Class 或 Module；
• 你的 CatDataItem 测试项的父对象是 Module（因为它来自测试文件）。

父对象包含了重要的上下文信息，比如：

• 文件路径（fspath）
• 配置信息（如命令行参数）
• 插件设置
• 其他环境信息

钩子函数为什么需要父对象？

钩子函数的核心作用是 “干预测试收集过程”，而父对象是这个过程中的关键节点。通过传递父对象，你可以：

1. 获取上下文信息：比如从父收集器的 fspath 获取测试文件所在目录，从而定位测试数据文件。
2. 保持层级关系：让你的自定义测试项正确地挂载到测试树中，确保报告和执行顺序正确。
3. 复用配置：继承父对象的配置（如 pytest.ini 中的设置）。

• name=unique_name：测试项的名称（比如 test_add_addition）。
• data=test_data：从 JSON 文件加载的测试数据（比如 {"a":1, "b":2, "c":3}）。
• path=test_file：测试数据文件的路径（比如 test_data/addition.json）。

• item = ...

  这行代码会创建一个 CatDataItem 实例，并把它赋值给变量 item—— 这就是实例化的结果！

• items.append(item)

  把创建好的 item 实例添加到 items 列表中，最后统一返回给 pytest，让 pytest 知道 “这些是要执行的测试项”。

为什么不用 CatDataItem(...) 直接实例化？

虽然也可以用 CatDataItem(name=..., parent=...) 直接创建实例，但 from_parent 是 pytest 框架推荐的方式，它有两个好处：

1. 自动处理父子关系：from_parent 会帮你把 item 和 collector 关联起来，确保 item 能继承 collector 的配置（比如路径、测试上下文）。
2. 符合框架规范：pytest 的各种内置测试项（比如函数测试、类测试）都是用 from_parent 创建的，统一方式能避免兼容性问题。