Python接口自动化测试框架（基础篇）-- 函数与内置函数

文章目录

• • 前言
  • 函数
  • • • 自定义函数
      • 参数传递
      • 变量
      • 内置函数
  • 扩展
  • • • 匿名函数
      • return和yield
      • exec(object)
      • vars()
      • iter()迭代器
      • map()
      • zip()
      • reversed()
      • sorted()列表排序

前言

函数在前面的基础部分频繁出现，更有多次演示，多是数据类型的相关函数或是python内建函数(不需要自己定义的)；这章会重点讲自己怎么写函数，即自定义函数。

函数

自定义函数

def hello():
    print("Hello World!")

hello() # 调用函数，输出内容会打印在控制台：Hello World!

print(hello())  
# 会输出print的内容到控制台，同时还有一个None

• 思考一下，为啥print(函数())会有一个None？

参数传递

• 形参：就是在定义函数时的参数，如：def func(a): pass那么a就是形式参数
• 必须参数：延续上面的例子，如果调用函数func()不传参数就会报错，这时a就是必须参数
• 实参：既然不传参数会报错，那么就给个参数：func(1),这时1就是实际传入func的参数，实参
• 位置参数: 意思是调用函数时指定参数并传值，这样参数就跟定义函数时的位置没有关系了

def func(a,b):
    return a+b

print(func(b=2,a=1)) # 输出：3

# 如果不使用位置参数指定入参，那么a和b的值就会不一样。
print(func(2,1)) # 这时函数内部，a=2,b=1

• 默认参数：很好理解，就是定义函数时带参数，并且给参数一个值，那么在调用时可以选择不传参也不会报错
• 不定长参数：又叫动态参数/可变参数；用于不知道函数具体要传多少参数及参数类型，一般有两种使用方式*argsb表示和**kwargs

def func(a,b,c=None,*args,**kwargs):
    print("第一个参数a:"+a)
    print("第二个参数b:"+b)
    print("第三个参数c:"+c)
    print("第四个参数args:"+args)
    print("第五个参数kwargs:"+kwargs)
    pass
    
func(a=1,c=3,b=2,*("a","v","c"),key="value1",k="value2")

变量

• 什么是变量？

在于变。即在程序运行过程中可能发生变化的量；如：a初始为0，随着程序运行最终a变成了1或非0的值，那么a就是变量；注意：a在使用中才会创建的变量，即给它分配内存空间。

• 既然说到变量，就不得不说一下局部变量跟全局变量

# 局部变量为当前代码块或循环中的变量，它不能被它以外的事务请求

>>> def func():
...     a=1
...     b=2
...     return a+b
...
>>> func()
3
>>> print(a)  
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'a' is not defined

# 当输入a变量时，则会报错，提示a没有被定义

• • 全局变量

# 相反，定义在代码块以外的变量称之为全局变量，它可以在当前py模块中任意位置调用，但是不能在它未被申明之前

>>> a = 1
>>> def func(a):
...     a = a+1
...     return a
...
>>> func(a)
2
>>> print(a)  # 函数内的a是变了，但是外面的a没有变
1

• global关键字，定义全局变量

# 如下这种情况，a不是全局变量，因为func()函数用的不是外面的a
>>> a = 1
>>> def func():
...     a = 2
...     return a
...
>>> func()
2
>>> print(a)
1

• • 使用关键字global使func函数内的a成为全局变量，那么它在外面调用就应该是func所改变的a

>>> a = 1
>>> def func():
...     global a
...     a = 2
...     return a
...
>>> func()
2
>>> print(a)
2

内置函数

• 常用数据类型就是最基础的内置函数：str()、dict()、list()、bool()等等
• eval() # 执行字符串的表达式，并返回它的结果

>>> eval("5*3")
15

• input()和print() # 输入输出
• range() # 一般与for循环搭配使用，创建list或遍历

# 注意一下：这只能是迭代对象,而不是迭代器
res0=range(9) #可迭代对象
print("内置函数range():{}".format(list(res)))

# 支持步长取值
range(n,m,k)
#n为起点，默认为0，m为终点，k为步长即公差

• type() # 获取变量或数据的数据类型

lis1=[1,2,3,4,5,6]
cls_str=type(lis1)
print("查询数据类型：{}".format(cls_str))

• isinstance() # 判断数据类型,返回结果为True或者False

示例1：
# 可以比较数据类型,及类类型type
class TestClsA(unittest.TestCase):
    """
    定义一个类，随便选一个类继承；
    作用：1.给类属性相关函数使用；
      2.其他内置函数对比类型。
    """
    pass

class TestClsB(TestClsA):
    """同上，如果该初始化对象，则对象类型与上一个类类型一致"""
    pass

#初始化对象
test=TestClsA()
test1=TestClsB()

lis2=[2,3,4,5,6,7]

res4=isinstance(lis2, (list,tuple)) #第二参数可以是类型组成的元组
res5=isinstance(test,unittest.TestCase)# 对象类型是上级的类
res6=isinstance(test1,(unittest.TestCase,TestClsA))# 对象类型是上上级的类型
print("比较数据类型:{}，及对象类型：{}".format(res5,res6))


示例2：
# 判断是否是迭代器

# from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
from collections.abc import Iterable,Iterator
# 可以判断对象是否为可迭代对象
a=isinstance([], Iterable)
print("true为可迭代对象{}".format(a))
b=isinstance(iter([]), Iterator)
print("true可迭代对象为迭代器{}".format(b))

• enumerate() # 将可遍历的数据类型组合为一个索引序列

示例1：
>>> list(enumerate(("a","b","c")))
[(0, 'a'), (1, 'b'), (2, 'c')]


示例2：
# 初始化一个list数据类型
lis1=[1,2,4,3,5]
#第一个参数是 一个序列、迭代器或其他支持迭代对象。第二参数指定起始位置，默认为0
res=list(enumerate(lis1))
print("enumerate返回的是枚举对象(计数值，元素值)：{}".format(res))
# 应用场景:获取可迭代对象的下标与元素值组成元组元素的list

for k,v in enumerate(lis1):
    print("enumerate高级用法,拆包list种的元组元素【{},{}】".format(k,v))

• id() # 获取变量在内存中的地址;

# 返回对象的“标识值”,整数，理解成对象地址

a=1
b=1
c=a
if id(a)==id(c) and id(c)==id(b):
    print("比较对象指向的内存地址")
if a==b:
    print("比较变量a与b的值")

• open() # 用于文件IO操作
• sum() # 求和

lis13=[1,3,7,9,0,5]
total=sum(lis13)
print("快速求和：{}".format(total))

• len() # 求序列数据类型的长度

lis6=[1,3,4,4,6,7]
length=len(lis6)
print("获取数据类型{}的长度:{}".format(lis6,length))

• min()和max() # 最大或最小值

# 最大
lis5=(2,3,4,4,6,7)
res_max=max(lis5)
print("获取是int类型的可迭代对象:{},的最大值:{}".format(lis5,res_max))

# 最小
res_min=min(lis5)
print("获取是int类型的可迭代对象:{},的最小值:{}".format(lis5,res_min))

• all()和any() # 可迭代参数，判断元素中不能有0或空字符或None元素的数据；但是空列表却是True

>>> a = 1
>>> b = 0
>>> all([a,b])
False
>>> all([a])
True

• filter()

# 返回的是一个迭代器，可以被list、tuple接收

# filter(function, iterable) 相当于一个生成器表达式，
# 当 function 不是 None 的时候为 (item for item in iterable if function(item))；
# function 是 None 的时候为 (item for item in iterable if item) 。
# lambda 匿名函数的使用
res1=filter(lambda x:x>3,lis1)
print("filter条件过滤，返回后结果：{}".format(list(res1)))

• round() # 数值求整数

z_n=round(3.11233,3)#int是取整，round取float保留几位小数
print("小数点取整：{}".format(z_n))

• format() # 格式化输出函数不解释

扩展

匿名函数

• lambda，它是一个表达式，比def定义的函数体要简单的多；所以它本身只能是一行代码表示，且逻辑有限，返回的的是:冒号后面的结果

>>> create_list = lambda x:[i for i in range(x)]
>>> create_list(4)
[0, 1, 2, 3]
>>>
>>> sum_x = lambda a,b:a+b
>>> sum_x(3,5)
8

return和yield

• return 每个def定义的函数，都有一个默认的return，后面没有东西，print它是个None

# 对比一下两个函数
>>> def func():
...     print(1)
...
>>> func()
1
>>> print(func())
1
None
>>> 
>>> 
>>> def func():
...     print("输出1")
...     return "修改了默认输出"
...
>>> print(func())
输出1
修改了默认输出

• yield在python是个特殊用法，函数使用了yield就叫生成器；比较特别，它会在第一个使用它并且记住它，到第二次使用时就进入下一个值，可以说是迭代器

# 引入runoob.com的代码示例：

#!/usr/bin/python3
 
import sys
 
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()
        
# yield实现斐波那契数列：
# 输出：0 1 1 2 3 5 8 13 21 34 55

exec(object)

# 函数支持动态执行 Python 代码
exec("print('动态执行python代码:{}'.format(1+3))")

vars()

class TestA:
    pass

a=TestA()

print(vars(a))

结果输出如下：

{'_testMethodName': 'runTest', '_outcome': None, '_testMethodDoc': 'No test', '_cleanups': [], '_subtest': None, '_type_equality_funcs': {<class 'dict'>: 'assertDictEqual', <class 'list'>: 'assertListEqual', <class 'tuple'>: 'assertTupleEqual', <class 'set'>: 'assertSetEqual', <class 'frozenset'>: 'assertSetEqual', <class 'str'>: 'assertMultiLineEqual'}}

iter()迭代器

lis3=[1,3,4,4,6,7]
res6=iter(lis3) # 返回的是一个迭代器
print("用list接收:{}".format(list(res6))) #用list接收
lis4=[1,3,4,4,6,7]
res6=iter(lis4)
print("用tuple接收:{}".format(tuple(res6))) #用tuple接收

lis5=[1,3,4,4,6,7]
res6=iter(lis5)
while 1:
    try:
        v=next(res6)
    except StopIteration as e:
        print("遇到StopIteration迭代取值完成")
        break
    else:
        print("next获取迭代器的数据:{}".format(v))

map()

lis7=[1,3,4,4,6,7]
res7=map(lambda x:x+1,lis7)
print("{}数据类型,map函数返回一个迭代器:{}".format(lis7,res7))
# 遍历map返回的迭代器的新的元素值
for i in res7:
    print("遍历出迭代器{}的值:{}".format(res7,i))

zip()

lis8=[2,3,7,9,0,1]
lis9=[1,3,4,4,6]
res9=zip(lis8,lis9) # 打包为元组的列表,
# 元素个数与最短的列表一致,即会抛开元素个数多的那几个
print("内置打包函数zip:{},list接收:{}".format(res9,list(res9))) 

reversed()

lis10=[1,3,7,9,0,5]
revers_li=reversed(lis10)
print("反转:{}".format(list(revers_li)))

sorted()列表排序

lis11=[1,3,7,9,0,5]
bubble=sorted(lis11,reverse=True)#reverse=True降序，默认倒序
print("排序:{}".format(bubble))