浅析pytest 钩子函数 之初始钩子和引导钩子

 更新时间:2022年09月04日 13:08:12   作者:Python热爱者  
这篇文章主要介绍了pytest 钩子函数 之初始钩子和引导钩子,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

1. F( arg1, arg2, …)

这是最常见的定义方式,一个函数可以定义任意个参数,每个参数间用逗号分割,用这种方式定义的函数在调用的的时候也必须在函数名后的小括号里提供个数相等
的值(实际参数),而且顺序必须相同,也就是说在这种调用方式中,形参和实参的个数必须一致,而且必须一一对应,也就是说第一个形参对应这第一个实参。例如:

def a(x,y):
    print(x,y)

调用该函数,a(1,2)则x取1,y取2,形参与实参相对应,如果a(1)或者a(1,2,3)则会报错。

2. F( arg1, arg2=value2, …)

这种方式就是第一种的改进版,提供了默认值,例如:

def a(x,y=3):
    print(x,y)

调用该函数,a(1,2)同样还是x取1,y取2,但是如果a(1),则不会报错了,这个时候x还是1,y则为默认的3。上面这俩种方式,还可以更换参数位置,比如a(y=4,x=3)用这种形式也是可以的。

关键字参数和函数调用关系紧密,函数调用使用关键字参数来确定传入的参数值。

使用关键字参数允许函数调用时参数的顺序与声明时不一致,因为 Python 解释器能够用参数名匹配参数值。

3. F( *arg1 )

上面两种方式是有多少个形参,就传进去多少个实参,但有时候会不确定有多少个参数,则此时第三种方式就比较有用,
它以一个*(一个星号)加上形参名的方式来表示这个函数的实参个数不定,可能为0个也可能为n个。
注意一点是,不管有多少个,在函数内部都被存放在以形参名为标识符的元组中。

def a(*x):
    print(x)
>>> a(1,2,3)
(1, 2, 3)
>>> a(x=1,y=2,z=3)
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
TypeError: a() got an unexpected keyword argument 'x'

将所有参数以元组(tuple)的形式导入:
实例

def foo(param1, *param2):
    print (param1)
    print (param2)
foo(1,2,3,4,5)

以上代码输出结果为:

1
(2, 3, 4, 5)

此外,单星号的另一个用法是解压参数列表:

实例

def foo(runoob_1, runoob_2):
    print(runoob_1, runoob_2)
l = [1, 2]
foo(*l)

以上代码输出结果为:

1 2

4. F( **arg1 )

形参名前加两个*表示(双星号),参数在函数内部将被存放在以形式名为标识符的 dictionary (字典)中,这时调用函数的方法则需要采用 arg1=value1,arg2=value2 这样的形式。

def a(**x):
    print(x)
   
>>> a(x=1,y=2,z=3)
{'y': 2, 'x': 1, 'z': 3} # 存放在字典中
>>> a(1,2,3) # 这种调用则报错
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
TypeError: a() takes exactly 0 arguments (3 given)

双星号(**)将参数以字典的形式导入:

示例:

def bar(param1, **param2):
    print (param1)
    print (param2)
bar(1,a=2,b=3)

以上代码输出结果为:

1
{'a': 2, 'b': 3}

示例:

def foo(a, b=10, *args, **kwargs):
    print (a)
    print (b)
    print (args)
    print (kwargs)
foo(1, 2, 3, 4, e=5, f=6, g=7)

以上代码输出结果为:

1
2
(3, 4)
{'e': 5, 'f': 6, 'g': 7}

到此这篇关于pytest 钩子函数 之初始钩子和引导钩子的文章就介绍到这了,更多相关pytest 钩子函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:

相关文章

  • python解释模型库Shap实现机器学习模型输出可视化

    python解释模型库Shap实现机器学习模型输出可视化

    Shap 是一个开源的 python 库,用于解释模型。它可以创建多种类型的可视化,有助于了解模型和解释模型是如何工作的。在本文中,我们将会分享一些Shap创建的不同类型的机器学习模型可视化
    2021-11-11
  • Python 用户输入和字符串格式化示例详解

    Python 用户输入和字符串格式化示例详解

    Python 允许用户输入数据。这意味着我们可以向用户询问输入,这篇文章主要介绍了Python 用户输入和字符串格式化指南,以下示例要求用户输入用户名,并在输入用户名后将其打印在屏幕上,需要的朋友可以参考下
    2023-11-11
  • seek引发的python文件读写的问题及解决

    seek引发的python文件读写的问题及解决

    这篇文章主要介绍了seek引发的python文件读写的问题及解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • 12个步骤教你理解Python装饰器

    12个步骤教你理解Python装饰器

    这篇文章主要介绍了12个步骤教你理解Python装饰器,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • Python3实现抓取javascript动态生成的html网页功能示例

    Python3实现抓取javascript动态生成的html网页功能示例

    这篇文章主要介绍了Python3实现抓取javascript动态生成的html网页功能,结合实例形式分析了Python3使用selenium库针对javascript动态生成的HTML网页元素进行抓取的相关操作技巧,需要的朋友可以参考下
    2017-08-08
  • python 带时区的日期格式化操作

    python 带时区的日期格式化操作

    这篇文章主要介绍了python 带时区的日期格式化操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-10-10
  • python人工智能tensorflow函数tf.nn.dropout使用方法

    python人工智能tensorflow函数tf.nn.dropout使用方法

    这篇文章主要为大家介绍了python人工智能tensorflow函数tf.nn.dropout使用示例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-05-05
  • 解决python执行较大excel文件openpyxl慢问题

    解决python执行较大excel文件openpyxl慢问题

    这篇文章主要介绍了解决python执行较大excel文件openpyxl慢问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 老生常谈Python基础之字符编码

    老生常谈Python基础之字符编码

    下面小编就为大家带来一篇老生常谈Python基础之字符编码。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-06-06
  • Python动态规划之零钱兑换问题详解

    Python动态规划之零钱兑换问题详解

    这篇文章主要介绍了Python动态规划之零钱兑换问题详解,这次我们就按照套路模板,再来剖析一道经典动规题目零钱兑换,计算并返回可以凑成总金额所需的 最少的硬币个数 如果没有任何一种硬币组合能组成总金额,返回-1,需要的朋友可以参考下
    2023-11-11

最新评论