前一篇文章《Python 中如何實作參數化測試？》中，我提到了在 Python 中實作參數化測試的幾個庫，并留下一個問題：
它們是如何做到把一個方法變成多個方法，并且将每個方法與相應的參數綁定起來的呢？
我們再提煉一下，原問題等于是：在一個類中，如何使用裝飾器把一個類方法變成多個類方法（或者産生類似的效果）？
# 帶有一個方法的測試類
class TestClass:
def test_func(self):
pass
# 使用裝飾器，生成多個類方法
class TestClass:
def test_func1(self):
pass
def test_func2(self):
pass
def test_func3(self):
pass
Python 中裝飾器的本質就是移花接木，用一個新的方法來替代被裝飾的方法。在實作參數化的過程中，我們介紹過的幾個庫到底用了什麼手段/秘密武器呢？
1、ddt 如何實作參數化？
先回顧一下上篇文章中 ddt 庫的寫法：
import unittest
from ddt import ddt,data,unpack
@ddt
class MyTest(unittest.TestCase):
@data((3, 1), (-1, 0), (1.2, 1.0))
@unpack
def test(self, first, second):
pass
ddt 可提供 4 個裝飾器：1 個加在類上的 @ddt，還有 3 個加在類方法上的 @data、@unpack 和 @file_data（前文未提及）。
先看看加在類方法上的三個裝飾器的作用：
# ddt 版本（win）：1.2.1
def data(*values):
global index_len
index_len = len(str(len(values)))
return idata(values)
def idata(iterable):
def wrapper(func):
setattr(func, DATA_ATTR, iterable)
return func
return wrapper
def unpack(func):
setattr(func, UNPACK_ATTR, True)
return func
def file_data(value):
def wrapper(func):
setattr(func, FILE_ATTR, value)
return func
return wrapper
它們的共同作用是在類方法上 setattr() 添加屬性。至于這些屬性在什麼時候使用？下面看看加在類上的 @ddt 裝飾器源碼：
第一層 for 循環周遊了所有的類方法，然後是 if/elif 兩條分支，分别對應 DATA_ATTR/FILE_ATTR，即對應參數的兩種來源：資料（@data）和檔案（@file_data）。
elif 分支有解析檔案的邏輯，之後跟處理資料相似，是以我們把它略過，主要看前面的 if 分支。這部分的邏輯很清晰，主要完成的任務如下：
- 周遊類方法的參數鍵值對
- 根據原方法及參數對，建立新的方法名
- 擷取原方法的文檔字元串
- 對元組和清單類型的參數作解包
- 在測試類上添加新的測試方法，并綁定參數與文檔字元串
分析源碼，可以看出，@data、@unpack 和 @file_data 這三個裝飾器主要是設定屬性并傳參，而 @ddt 裝飾器才是核心的處理邏輯。
這種将裝飾器分散（分别加在類與類方法上），再組合使用的方案，很不優雅。為什麼就不能統一起來使用呢？後面我們會分析它的難言之隐，先按下不表，看看其它的實作方案是怎樣的？
2、parameterized 如何實作參數化？
先回顧一下上篇文章中 parameterized 庫的寫法：
import unittest
from parameterized import parameterized
class MyTest(unittest.TestCase):
@parameterized.expand([(3,1), (-1,0), (1.5,1.0)])
def test_values(self, first, second):
self.assertTrue(first > second)
它提供了一個裝飾器類 @parameterized，源碼如下（版本 0.7.1），主要做了一些初始的校驗和參數解析，并非我們關注的重點，略過。
我們主要關注這個裝飾器類的 expand() 方法，它的文檔注釋中寫到：
A "brute force" method of parameterizing test cases. Creates new test cases and injects them into the namespace that the wrapped function is being defined in. Useful for parameterizing tests in subclasses of 'UnitTest', where Nose test generators don't work.
關鍵的兩個動作是：“creates new test cases（建立新的測試單元）”和“inject them into the namespace…（注入到原方法的命名空間）”。
關于第一點，它跟 ddt 是相似的，隻是一些命名風格上的差異，以及參數的解析及綁定不同，不值得太關注。
最不同的則是，怎麼令新的測試方法生效？
parameterized 使用的是一種“注入”的方式：
inspect
是個功能強大的标準庫，在此用于擷取程式調用棧的資訊。前三句代碼的目的是取出 f_locals，它的含義是“local namespace seen by this frame”，此處 f_locals 指的就是類的局部命名空間。
說到局部命名空間，你可能會想到 locals()，但是，我們之前有文章提到過“locals() 與 globals() 的讀寫問題”，locals() 是可讀不可寫的，是以這段代碼才用了 f_locals。
3、pytest 如何實作參數化？
按慣例先看看上篇文章中的寫法：
import pytest
@pytest.mark.parametrize("first,second", [(3,1), (-1,0), (1.5,1.0)])
def test_values(first, second):
assert(first > second)
首先看到“mark”，pytest 裡内置了一些标簽，例如 parametrize、timeout、skipif、xfail、tryfirst、trylast 等，還支援使用者自定義的标簽，可以設定執行條件、分組篩選執行，以及修改原測試行為等等。
用法也是非常簡單的，然而，其源碼可複雜多了。我們這裡隻關注 parametrize，先看看核心的一段代碼：
根據傳入的參數對，它複制了原測試方法的調用資訊，存入待調用的清單裡。跟前面分析的兩個庫不同，它并沒有在此建立新的測試方法，而是複用了已有的方法。在 parametrize() 所屬的 Metafunc 類往上查找，可以追蹤到 _calls 清單的使用位置：
最終是在 Function 類中執行：
好玩的是，在這裡我們可以看到幾行神注釋……
閱讀（粗淺涉獵） pytest 的源碼，真的是自讨苦吃……不過，依稀大緻可以看出，它在實作參數化時，使用的是生成器的方案，周遊一個參數則調用一次測試方法，而前面的 ddt 和 parameterized 則是一次性把所有參數解析完，生成 n 個新的測試方法，再交給測試架構去排程。
對比一下，前兩個庫的思路很清晰，而且由于其設計單純是為了實作參數化，不像 pytest 有什麼标記和過多的抽象設計，是以更易讀易懂。前兩個庫發揮了 Python 的動态特性，設定類屬性或者注入局部命名空間，而 pytest 倒像是從什麼靜态語言中借鑒的思路，略顯笨拙。
4、最後小結
回到标題中的問題“如何将一個方法變為多個方法？”除了在參數化測試中，不知還有哪些場景會有此訴求？歡迎留言讨論。
本文分析了三個測試庫的裝飾器實作思路，通過閱讀源碼，我們可以發現它們各有千秋，這個發現本身還挺有意思。在使用裝飾器時，表面看它們差異不大，但是真功夫的細節都隐藏在底下。
源碼分析的意義在于探究其是以然，在這次探究之旅中，讀者們可有什麼收獲啊？一起來聊聊吧！（PS：在“Python貓”公衆号背景發送“學習群”，擷取加群暗号。）