pytest.parametrize 不支持动态函数对象，需传函数名字符串并在测试内用 globals() 获取；动态类同理，应传标识符并在测试中构造；复杂场景用 pytest_generate_tests hook。
pytest.parametrize 里传入动态生成的函数名会报错
直接在 @pytest.mark.parametrize 的 argnames 或 argvalues 里写 getattr(module, func_name) 是不行的——pytest 在收集测试阶段（import 阶段）就解析装饰器参数，此时模块可能还没 fully loaded，或 func_name 是运行时才确定的字符串，导致 AttributeError 或 NameError。
常见错误现象：TypeError: <lambda> is not a valid test function</lambda>，或收集阶段直接崩溃，提示无法序列化动态对象。
- parametrize 的
argvalues必须是静态可序列化的结构（list/tuple/dict 字面量、基本类型、pytest.param()实例） - 函数对象本身不能作为
argvalues元素直接传入；但可以传它的名字（字符串），然后在测试函数体内用globals()或getattr()动态获取 - 如果函数在测试文件内定义，优先用
globals()[func_name]；跨模块则确保模块已导入且作用域可达
用字符串函数名 + globals() 在测试体内调用最稳妥
把“动态性”从装饰器移到测试函数内部，既绕过 pytest 收集期限制，又保持逻辑清晰。适用于：同一组测试逻辑要覆盖多个动态构造的函数（比如插件系统中按名称加载的处理器）。
示例场景：你有一批以 handler_v1、handler_v2 命名的函数，它们在运行时才注册进全局命名空间：
立即学习“Python免费学习笔记（深入）”；
def test_handler_by_name(request):
handler_name = request.param
handler_func = globals().get(handler_name)
assert handler_func is not None, f"no handler named {handler_name}"
result = handler_func("test_input")
assert result == "expected"
对应 parametrize 写法：
创建 Flask + Vue.js 全栈项目，采用单端口架构、uv 依赖管理、结构化日志和生产级前端设计。当用户要求以下操作时触发：创建新的 Flask+Vue 项目、搭建 Web 应用、构建全栈 Python+Vue 应用、初始化 Flask Web 项目、设置单端口 Flask 前后端项目。触发词：新建项目、创建项目、搭建项目、Flask项目、Vue项目。
@pytest.mark.parametrize("request", ["handler_v1", "handler_v2"], indirect=True)
def test_handler_by_name(request):
# 如上...
- 必须加
indirect=True，否则 pytest 会把字符串当普通参数传，而不是触发 fixture 查找 - 更推荐显式命名参数，比如
@pytest.mark.parametrize("handler_name", ["handler_v1", "handler_v2"])，然后在函数签名里写def test_handler_by_name(handler_name):，更直白 - 避免在
globals()中查找不到时静默失败，务必加assert或raise
需要动态生成整个测试函数？用 pytest_generate_tests hook
当 parametrize 不够用——比如你要为每个 YAML 测试用例文件自动生成一个独立 test 函数，且函数名要包含文件名，这时就得介入 pytest 的收集流程。
在 conftest.py 里定义：
def pytest_generate_tests(metafunc):
if "case_data" in metafunc.fixturenames:
test_files = list(Path("tests/cases").glob("*.yml"))
ids = [f.name for f in test_files]
metafunc.parametrize("case_data", test_files, ids=ids)
然后在测试文件里写：
def test_from_yaml(case_data):
data = yaml.safe_load(case_data.read_text())
func = globals()[data["handler"]]
assert func(**data["input"]) == data["expected"]
- 这个 hook 在 pytest 收集测试前执行，能读文件、import 模块、甚至 importlib.reload，自由度高
-
ids参数决定 pytest -v 输出的测试名，不设的话默认显示索引，很难 debug - 注意路径是相对于当前 pytest 执行目录（通常是项目根目录），不是
conftest.py所在目录
动态类怎么测？别 parametrize 类本身，parametrize 类名或配置
对动态生成的类（比如用 type() 或 __new__ 构造），同样不能把类对象塞进 @pytest.mark.parametrize。正确做法是传构造参数或类标识符，在测试里实例化。
例如你有工厂函数 make_processor(kind: str) -> Type[BaseProcessor]：
@pytest.mark.parametrize("kind", ["json", "xml", "csv"])
def test_processor_output(kind):
ProcessorClass = make_processor(kind)
proc = ProcessorClass()
assert proc.process("raw") == "processed"
- 只要
make_processor是纯函数、无副作用、返回确定类型，就可以安全调用 - 如果类构造需要复杂上下文（如数据库连接），建议把初始化逻辑提取到 fixture，而不是硬塞进测试函数体
- 避免在 parametrize 里调用
type(...)生成类——每次调用都产生新类对象，pytest 可能无法稳定识别，且不利于缓存和复用
真正麻烦的是带闭包或依赖局部变量的动态类，那种情况通常说明设计已偏离可测试性边界，得重构——不是 pytest 的问题，是代码组织的问题。
