Что такое fixture в pytest?

Фикстура (fixture) в pytest — это мощный механизм для управления зависимостями тестов. Она позволяет централизованно настраивать ресурсы, которые требуются для выполнения тестовых сценариев, такие как подключение к базе данных, создание временных файлов или инициализация объектов. Основная цель — отделить код подготовки данных от логики самого теста, что повышает читаемость и упрощает повторное использование.

Как работает фикстура

Фикстура определяется с помощью декоратора @pytest.fixture. Когда тестовая функция объявляет параметр с именем фикстуры, pytest автоматически вызывает эту фикстуру и передаёт её возвращаемое значение в тест. Фикстура может возвращать любое значение: число, строку, объект класса и т.д.

import pytest

@pytest.fixture
def sample_data():
    # Эта часть выполняется перед каждым тестом (setup)
    data = {'key': 'value'}
    yield data  # Возвращаем данные тесту
    # Код после yield выполняется после теста (teardown)
    print("Очистка после теста")

def test_example(sample_data):
    assert sample_data['key'] == 'value'

Область видимости (scope)

Фикстуры могут иметь разную область видимости, что позволяет контролировать, как часто они создаются. Это полезно для оптимизации времени выполнения тестов.

• scope="function" (по умолчанию) — фикстура создаётся заново для каждого теста.
• scope="class" — один раз для класса тестов.
• scope="module" — один раз для модуля.
• scope="session" — один раз за всю сессию тестирования.

@pytest.fixture(scope="module")
def db_connection():
    conn = create_database_connection()
    yield conn
    conn.close()  # Закрытие соединения после всех тестов модуля

Практическое применение

Фикстуры широко используются для:

• Подготовки тестовых данных в БД.
• Создания временных каталогов или файлов.
• Инициализации клиентов API или веб-драйверов для UI-тестов.
• Мокирования внешних сервисов.

Вывод: Фикстуры в pytest — это ключевой инструмент для построения надёжной и поддерживаемой тестовой инфраструктуры. Их стоит применять всегда, когда тесты требуют повторяющейся подготовки или очистки данных, чтобы избежать дублирования кода и обеспечить изоляцию тестовых сценариев.