33、Python单元测试与pytest框架从入门到精通

最新推荐文章于 2025-07-09 16:34:48 发布

wolf犭良

最新推荐文章于 2025-07-09 16:34:48 发布

阅读量1.4k

点赞数 24

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python 单元测试 pytest

本文链接：https://blog.csdn.net/ldz_wolf/article/details/147292745

python 专栏收录该内容

49 篇文章

订阅专栏

Python单元测试与pytest框架从入门到精通

引言

在软件开发领域，完善的测试体系是保证代码质量的生命线。本文将深入探讨Python单元测试的核心技术，从标准库unittest到功能强大的pytest框架，通过20+个代码示例展示测试驱动开发（TDD）、覆盖率分析、Mock技术等关键实践。无论您是测试新手还是经验丰富的开发者，都能获得可直接应用于生产环境的测试解决方案。

第一部分：单元测试基础

1.1 为什么需要单元测试

提前发现80%以上的基础逻辑错误
保证代码重构的安全性
提供活生生的API使用文档
促进模块化代码设计

1.2 unittest核心组件

import unittest

class MathOperationsTest(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        """整个测试类执行前运行"""
        print("初始化测试环境...")

    def setUp(self):
        """每个测试方法前运行"""
        self.calc = Calculator()

    def test_addition(self):
        self.assertEqual(self.calc.add(2, 3), 5)
        self.assertNotEqual(self.calc.add(2, 2), 5)

    def test_division(self):
        with self.assertRaises(ValueError):
            self.calc.divide(10, 0)

    @unittest.skip("待实现")
    def test_multiply(self):
        pass

if __name__ == '__main__':
    unittest.main()

代码解析：

TestCase：所有测试用例的基类
setUp()/tearDown()：测试夹具管理
丰富的断言方法：assertEqual, assertRaises等
装饰器控制测试行为：@skip, @expectedFailure

注意事项：

测试方法必须以test_开头
避免在setUp中初始化耗时资源
每个测试应保持独立性

第二部分：pytest进阶实战

2.1 pytest vs unittest

特性	unittest	pytest
测试发现	需手动指定	自动发现
断言系统	需要特定方法	原生断言
参数化	需自行实现	内置支持
插件系统	有限	丰富生态系统

2.2 Fixture魔法

import pytest

@pytest.fixture(scope="module")
def db_connection():
    conn = Database.connect()
    yield conn  # 测试结束后执行清理
    conn.close()

@pytest.fixture
def user(db_connection):  # 依赖注入
    return db_connection.create_user()

def test_user_count(db_connection):
    assert db_connection.get_user_count() == 0

def test_create_user(user):
    assert user.is_active()

关键特性：

作用域控制：function/class/module/session
自动依赖解析
参数化fixture

2.3 参数化测试

@pytest.mark.parametrize("input_a, input_b, expected", [
    (3, 5, 8),
    (-1, 1, 0),
    (2.5, 3.5, 6)
])
def test_addition(input_a, input_b, expected):
    assert calc.add(input_a, input_b) == expected

优势：

数据与逻辑分离
自动生成多个测试用例
支持嵌套参数化

第三部分：高级测试技术

3.1 覆盖率分析

# 安装覆盖率工具
pip install pytest-cov

# 运行测试并生成报告
pytest --cov=myproject --cov-report=html

报告解读：

行覆盖率：80%为基本要求
分支覆盖率：关注条件判断
排除无需覆盖的代码（如调试语句）

3.2 Mock技术

from unittest.mock import Mock, patch

def test_api_call():
    mock_response = Mock()
    mock_response.status_code = 200
    mock_response.json.return_value = {'data': 'test'}

    with patch('requests.get', return_value=mock_response) as mock_get:
        result = fetch_data('https://api.example.com')
        mock_get.assert_called_once()
        assert result == 'test'

应用场景：

外部API调用
数据库访问
随机数生成
时间敏感操作

3.3 异步测试

@pytest.mark.asyncio
async def test_async_operation():
    result = await async_fetch()
    assert result == expected_data

关键点：

使用pytest-asyncio插件
async/await语法支持
超时控制技巧

第四部分：测试驱动开发实践

4.1 TDD循环流程

编写失败测试（红灯）
实现最小通过方案（绿灯）
重构优化代码（重构）

计算器开发示例：

# 测试代码
def test_power():
    assert calculator.power(2, 3) == 8
    assert calculator.power(5, 0) == 1

# 实现代码
class Calculator:
    def power(self, base, exponent):
        if exponent < 0:
            raise ValueError
        return base ** exponent

4.2 测试报告生成

# 生成HTML报告
pytest --html=report.html

# 使用Allure框架
allure generate ./allure-results -o ./report --clean

第五部分：持续集成实战

5.1 GitHub Actions配置

name: Python CI

on: [push]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v2
    - name: Set up Python
      uses: actions/setup-python@v2
      with:
        python-version: '3.9'
    - name: Install dependencies
      run: |
        pip install -r requirements.txt
        pip install pytest pytest-cov
    - name: Run tests
      run: pytest --cov=src --cov-report=xml
    - name: Upload coverage
      uses: codecov/codecov-action@v1