pytest的@parametrize与hypothesis的@given本质冲突，不可混用；应使用st.one_of()、st.tuples()等组合策略在单个@given中实现多类型/多参数fuzz测试。
parametrize 里直接用 hypothesis 会报错
pytest 的 @pytest.mark.parametrize 和 hypothesis 的 @given 本质冲突：前者在收集阶段就确定所有测试用例，后者在运行时动态生成数据。硬套会导致 InvalidArgument: You can't use @given with @parametrize 或静默跳过 @given。
- 别写
@pytest.mark.parametrize(...); @given(...)双装饰器——pytest 会忽略@given，只跑 parametrize 的固定值 - 如果真需要“多组策略 + 每组内 fuzz”，得用
hypothesis.strategies.tuples()或st.one_of()在单个@given里组合，而不是靠 parametrize 分流 - 常见误操作：把不同输入范围写成 parametrize 的几行，以为能触发 hypothesis 的 shrink —— 实际上每行只是独立调用一次
@given，shrink 只在该行内部生效，跨行不共享
想对同一函数测多种数据分布？用 strategy 组合，别用 parametrize
比如要分别验证整数、浮点、字符串三种类型输入下某个解析函数的行为，正确做法是定义一个统一 strategy，让 hypothesis 自己混合生成和缩小：
from hypothesis import given, strategies as st
@given(st.one_of(
st.integers(),
st.floats(allow_nan=False, allow_infinity=False),
st.text(max_size=10)
))
def test_parser_accepts_various_inputs(value):
assert parse_input(value) is not None
-
st.one_of()让 hypothesis 在每次调用时随机选一类生成，失败时能自动缩小到最简反例（比如-1而不是"abc"） - 用 parametrize 写三组，等于手动写三个独立测试，每个都只能 shrink 自己那类数据，且无法发现跨类型的边界交互问题
- 注意
st.floats()默认允许nan和inf，实际业务中常要显式禁用，否则容易触发意外分支
需要固定参数 + fuzz 其他参数？用 composite strategy 或默认值
当某个参数必须是固定值（如 API 版本号 "v2"），其他参数要 fuzz，不要试图用 parametrize 绑定那个固定值——它会污染 hypothesis 的执行逻辑。
- 推荐方式：在
@given内部用st.just("v2")或直接写死变量，配合其他 strategy 使用st.tuples() - 示例：
@given(st.tuples( st.just("v2"), st.integers(min_value=1, max_value=100), st.booleans() )) def test_api_call(version, user_id, include_meta): assert call_api(version, user_id, include_meta) == "success" - 避免在
@given外层套@pytest.mark.parametrize(version=["v1", "v2"])—— 这会让 hypothesis 对每个 version 都重新初始化数据库状态、重置 seed，失去连续 shrink 能力
CI 环境下 hypothesis 行为突变？检查 database_file 和 derandomize
本地跑得好，CI 上 fail 得莫名其妙，大概率是 hypothesis 的数据库路径或随机性控制没对齐。
立即学习“Python免费学习笔记（深入）”；
-
hypothesis默认把 shrink 记录存在.hypothesis/下，CI 容器每次重建，这个目录丢失 → 回退到原始随机生成，可能错过已知失败用例 - 解决方法：在 pytest 配置里加
--hypothesis-database-file=/tmp/hypothesis-db，确保跨构建可复现 - 开发时加
@settings(derandomize=True)能让每次运行顺序一致，但 CI 不建议长期开启——它禁用部分优化策略，可能掩盖真实随机性 bug - 另一个坑：
max_examples设太小（比如@settings(max_examples=5)）在 CI 上因并发或资源限制，实际生成数更少，导致覆盖不足
