pytest参数化读excel最稳方式是用pandas或openpyxl直接读取，再传给@pytest.mark.parametrize；需处理空行、列名规范、数值类型转换，并用ids参数自定义用例名提升可读性。
pytest参数化怎么读Excel里的测试数据
直接用 pandas 或 openpyxl 读Excel，再传给 @pytest.mark.parametrize 最稳。别碰那些封装了“Excel驱动测试”的第三方插件——它们往往卡在Excel版本兼容、日期格式自动转换、空单元格处理上，反而增加debug成本。
常见错误现象：TypeError: 'NoneType' object is not iterable，通常是Excel里某行数据全为空，但代码没跳过；或者列名含空格/中文，导致字典键取不到。
- 用
openpyxl读时，显式指定read_only=True，大文件下内存和速度都更可控 - 把Excel第一行当列名，用
zip(headers, row)构造字典，比硬编码索引健壮 - 数值型单元格（比如ID、价格）默认会被
openpyxl当成float，需要手动转int或保持字符串——取决于你接口是否接受数字字符串
YAML做测试数据源要注意哪些格式陷阱
YAML看着简单，实际最容易栽在缩进和特殊字符上。pytest本身不解析YAML，必须用 PyYAML 手动加载，然后喂给 parametrize。
使用场景：适合配置类测试（如不同环境的API base_url + token）、字段校验规则、边界值组合。不适合存大量二进制或超长文本。
- 布尔值写成
yes/no或on/off会被PyYAML自动转成True/False，如果接口要求字符串"yes"，得加引号："yes" - 时间字符串如
2024-03-15T10:30:00默认被识别为datetime对象，而多数HTTP请求要的是字符串，需在加载后统一strftime或用yaml.Loader禁用自动类型推断 - 锚点（
&ref）和别名（*ref）虽能复用数据，但会让测试用例的输入变得隐式，排查失败时难定位原始值
如何让每个测试用例显示Excel/YAML中的用例名而非参数元组
默认 @pytest.mark.parametrize 显示的是 (arg1, arg2) 这种tuple，根本看不出是哪条用例。必须用 ids 参数自定义显示名。
性能影响几乎为零，但可读性提升极大——CI失败时一眼知道是“登录_空密码”还是“支付_余额不足”。
- 从Excel读数据时，提前提取一列叫
case_id或desc，传给ids=；别用行号，行号会随增删变动 - YAML里每个测试项建议带
id:字段，读取后用[item["id"] for item in data]构造ids列表 - 如果没单独字段，可用
ids=lambda x: x.get("title", "unnamed")[:30]做fallback，避免超长ID被截断出错
为什么不能在conftest.py里全局读一次Excel再共享给所有test_*.py
因为pytest的fixture作用域和收集阶段顺序会导致数据错乱。Excel读取操作放在模块级或函数外，会在pytest收集测试函数前就执行——此时还没确定跑哪些用例、哪些被 -k 过滤掉，结果就是：你改了Excel但某些测试没更新数据，或者并发运行时多个进程抢同一个workbook句柄。
真正安全的做法：把读取逻辑封装进一个 session 或 module 级fixture，由pytest控制生命周期。
- 用
@pytest.fixture(scope="session")包裹读Excel函数，返回list[dict]，再在具体测试函数里调用它——注意该fixture内部不能有状态变更（如修改workbook） - YAML更轻量，可放心放
module级fixture，每次导入test文件时只读一次 - 绝对不要在
conftest.py顶层写data = load_excel("cases.xlsx")，这是最隐蔽的缓存陷阱
Excel列名和YAML key的命名一致性，比工具链选择更重要。团队里有人加下划线、有人用驼峰、有人中英文混用，参数化一跑就 KeyError ——这类问题不会报在CI日志顶部，而是藏在某个用例的setup里，得逐个点开才能发现。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
