""" 测试数据管理器 提供测试数据的生命周期管理,包括: - 数据注册与跟踪 - 自动清理机制 - 测试隔离支持 使用示例: # 在测试中使用 def test_create_dataset(api_client, data_manager): # 创建数据 dataset = DatasetFactory.create() response = api_client.post("/datasets", json=dataset) dataset_id = response.json()["id"] # 注册清理 data_manager.register( resource_id=dataset_id, cleanup_func=lambda id: api_client.delete(f"/datasets/{id}") ) # 测试断言... # 测试结束后自动清理 """ import pytest from typing import Callable, List, Dict, Any, Optional from tests.logger import get_logger _logger = get_logger("DATA_MANAGER") class DataManager: """数据管理器 管理测试数据的生命周期,确保测试结束后自动清理资源。 特性: - 支持多种资源类型 - 自动清理机制 - 错误容忍(清理失败不影响测试结果) """ def __init__(self): """初始化数据管理器""" self._resources: List[Dict[str, Any]] = [] self._logger = _logger def register( self, resource_id: str, cleanup_func: Callable[[str], None], resource_type: str = "unknown", metadata: Optional[Dict[str, Any]] = None ) -> None: """注册需要清理的资源 Args: resource_id: 资源ID cleanup_func: 清理函数,接收 resource_id 作为参数 resource_type: 资源类型(用于日志) metadata: 额外元数据 """ self._resources.append({ "id": resource_id, "cleanup_func": cleanup_func, "type": resource_type, "metadata": metadata or {} }) self._logger.debug(f"[注册资源] {resource_type}: {resource_id}") def cleanup(self) -> None: """清理所有已注册的资源 按注册的逆序清理,确保依赖关系正确处理。 清理失败会记录日志,但不会抛出异常。 """ # 逆序清理 for resource in reversed(self._resources): try: resource["cleanup_func"](resource["id"]) self._logger.debug( f"[清理成功] {resource['type']}: {resource['id']}" ) except Exception as e: self._logger.warning( f"[清理失败] {resource['type']}: {resource['id']}, 错误: {e}" ) # 清空资源列表 self._resources.clear() def get_resources(self, resource_type: Optional[str] = None) -> List[Dict[str, Any]]: """获取已注册的资源列表 Args: resource_type: 资源类型过滤(可选) Returns: List[Dict[str, Any]]: 资源列表 """ if resource_type: return [r for r in self._resources if r["type"] == resource_type] return self._resources.copy() def count(self, resource_type: Optional[str] = None) -> int: """获取资源数量 Args: resource_type: 资源类型过滤(可选) Returns: int: 资源数量 """ return len(self.get_resources(resource_type)) # --------------------------------------------------------------------------- # Pytest Fixtures # --------------------------------------------------------------------------- @pytest.fixture def data_manager(): """数据管理器 Fixture 为每个测试创建独立的数据管理器实例,测试结束后自动清理。 Yields: DataManager: 数据管理器实例 """ manager = DataManager() yield manager manager.cleanup() def create_cleanup_fixture( cleanup_func: Callable[[str], None], resource_type: str = "resource" ): """创建特定类型的清理 fixture 工厂函数 用于为特定资源类型创建专用的清理 fixture。 Args: cleanup_func: 清理函数 resource_type: 资源类型名称 Returns: pytest.fixture: 清理 fixture 使用示例: # 在 conftest.py 中 from tests.data.managers import create_cleanup_fixture from tests.dataset.api_helpers import delete_dataset cleanup_datasets = create_cleanup_fixture(delete_dataset, "数据集") # 在测试中使用 def test_create_dataset(api_client, cleanup_datasets): dataset_id = create_dataset(...) cleanup_datasets.append(dataset_id) """ @pytest.fixture def cleanup_fixture(): resource_ids: List[str] = [] yield resource_ids # 清理所有资源 for rid in reversed(resource_ids): try: cleanup_func(rid) _logger.debug(f"[清理成功] {resource_type}: {rid}") except Exception as e: _logger.warning(f"[清理失败] {resource_type}: {rid}, 错误: {e}") return cleanup_fixture # --------------------------------------------------------------------------- # 辅助函数 # --------------------------------------------------------------------------- def create_cleanup_func(api_client, endpoint: str) -> Callable[[str], None]: """创建 API 清理函数 工厂函数,用于创建调用 API 删除资源的清理函数。 Args: api_client: API 客户端 endpoint: API 端点(如 "/datasets") Returns: Callable[[str], None]: 清理函数 使用示例: cleanup_dataset = create_cleanup_func(api_client, "/datasets") cleanup_dataset(dataset_id) """ def cleanup(resource_id: str) -> None: api_client.delete(f"{endpoint}/{resource_id}") return cleanup