如何使用 Pytest 进行测试

Pytest 是一个强大的Python测试框架,支持简单单元测试和复杂的功能测试。它具有灵活的断言表达式、支持参数化测试、强大的插件生态系统等特点。

二、环境搭建

1、安装 Pytest

bash 复制代码
pip install pytest

安装完成后,可以通过命令行检查是否安装成功:

bash 复制代码
pytest --version

2、项目结构: 一般来说,项目的测试文件和代码文件可以按照以下结构组织:

css 复制代码
my_project/
├── src/
│   └── my_module.py
└── tests/
    └── test_my_module.py
  • src/ 目录用于存放源代码。
  • tests/ 目录用于存放测试代码,测试文件通常以 test_ 开头。

三、基本使用

1、编写简单的测试用例 : 假设我们在 src/my_module.py 中有一个函数:

python 复制代码
def add(x, y):
    return x + y

我们可以在 tests/test_my_module.py 中编写测试:

python 复制代码
from src.my_module import add

def test_add():
    assert add(1, 2) == 3
    assert add(0, 0) == 0
    assert add(-1, 1) == 0

2、运行测试: 在项目的根目录下运行命令:

bash 复制代码
pytest

Pytest 会自动发现并运行所有以 test_ 开头的文件和以 test_ 开头的函数。

3、查看测试结果: 如果测试通过,Pytest 会显示一份简洁的测试报告。如果某些测试失败了,Pytest 会显示失败的测试用例及相关的错误信息。

四、断言与错误信息

1、使用断言 : Pytest 使用Python内置的 assert 语句来检查测试条件是否为真。如果条件不成立,测试将失败,并显示错误信息。

python 复制代码
def test_subtract():
    result = 10 - 5
    assert result == 5

2、丰富的错误信息: Pytest 可以通过简单的断言表达式生成详细的错误信息。例如:

python 复制代码
def test_divide():
    x, y = 10, 0
    with pytest.raises(ZeroDivisionError):
        result = x / y

这里,Pytest 检查是否会抛出 ZeroDivisionError,如果没有抛出,测试将失败。

五、测试组织与发现

1、测试文件与函数的命名

  • 测试文件名应以 test_ 开头,如 test_example.py
  • 测试函数名也应以 test_ 开头,如 test_function()

2、测试类的使用 : 测试类可以用于组织相关的测试用例。测试类不需要继承任何类,但类名必须以 Test 开头。

python 复制代码
class TestMathOperations:
    def test_addition(self):
        assert 1 + 1 == 2

    def test_subtraction(self):
        assert 2 - 1 == 1

3、测试套件 : Pytest 允许通过 pytest.main(["<test_path>"]) 来指定测试路径,也可以通过命令行参数来选择特定的测试文件或测试函数:

bash 复制代码
pytest tests/test_my_module.py
pytest tests/test_my_module.py::test_add

六、参数化测试

1、基本参数化 : Pytest 提供了 @pytest.mark.parametrize 装饰器,用于参数化测试。这样我们可以用多个输入测试同一个函数,而无需编写多个测试用例。

python 复制代码
@pytest.mark.parametrize("x, y, expected", [
    (1, 2, 3),
    (0, 0, 0),
    (-1, 1, 0)
])
def test_add(x, y, expected):
    assert add(x, y) == expected

2、组合参数化 : 通过组合多个 parametrize 装饰器,Pytest 可以生成参数的笛卡尔积,进行全面的测试。

python 复制代码
@pytest.mark.parametrize("x", [0, 1, 2])
@pytest.mark.parametrize("y", [0, 1])
def test_multiply(x, y):
    assert x * y == x * y

七、Fixture

1、Fixture简介: Fixture 是 Pytest 中的一个重要概念,用于提供测试所需的环境和依赖。例如,准备测试数据、建立数据库连接、配置初始化等。

2、定义和使用Fixture : 使用 @pytest.fixture 装饰器定义 Fixture。测试函数可以通过传入参数的方式使用这些 Fixture。

python 复制代码
@pytest.fixture
def sample_data():
    return {"key": "value"}

def test_with_fixture(sample_data):
    assert sample_data["key"] == "value"

3、Fixture 的作用范围

  • 函数级别(默认):Fixture 每次测试函数调用时都会被执行。
  • 类级别:在每个测试类的开始和结束执行一次。
  • 模块级别:在模块的开始和结束执行一次。
  • 会话级别:在整个测试会话开始和结束时执行一次。

可以通过 scope 参数设置作用范围:

python 复制代码
@pytest.fixture(scope="module")
def db_connection():
    # Setup database connection
    yield connection
    # Teardown database connection

4、使用 yield 进行资源管理 : 在Fixture 中使用 yield 可以在执行完测试后进行资源的清理或释放。

python 复制代码
@pytest.fixture
def resource():
    # Setup code
    resource = acquire_resource()
    yield resource
    # Teardown code
    release_resource(resource)

八、Mocking 与 Monkeypatch

1、使用 Mocking : Mocking 是一种测试技术,主要用于替换测试中的某些部分,使其返回特定值或行为。Python 的 unittest.mock 模块与 Pytest 兼容,可以在 Pytest 中轻松使用。

python 复制代码
from unittest.mock import Mock

def test_mocking():
    mock_obj = Mock()
    mock_obj.some_method.return_value = 42
    assert mock_obj.some_method() == 42

2、使用 Monkeypatch : Pytest 提供了 monkeypatch 机制,用于动态替换模块或类中的属性、方法等。常用于临时修改环境变量或替换函数实现。

python 复制代码
def test_monkeypatch(monkeypatch):
    def fake_function():
        return 42

    monkeypatch.setattr('module_under_test.function_to_patch', fake_function)
    from module_under_test import function_to_patch
    assert function_to_patch() == 42

九、插件与扩展

1、安装插件: Pytest 拥有一个强大的插件生态,可以通过安装插件扩展 Pytest 的功能。安装插件非常简单,例如:

bash 复制代码
pip install pytest-cov

2、常用插件

  • pytest-cov:生成测试覆盖率报告。
  • pytest-xdist:并行运行测试以加快测试速度。
  • pytest-html:生成HTML格式的测试报告。

3、编写自定义插件: 除了使用现有的插件,Pytest 还支持用户编写自定义插件来满足特定需求。这些插件可以通过定义钩子函数实现。

十、测试报告与调试

1、生成测试报告 : 通过使用插件 pytest-html,可以生成详细的 HTML 测试报告:

bash 复制代码
生成测试报告: 通过使用插件 pytest-html,可以生成详细的 HTML 测试报告:

2、捕获日志 : Pytest 可以捕获测试过程中的日志信息,并将其与测试结果一起显示。通过 --log-cli-level 参数可以设置日志捕获级别。

bash 复制代码
pytest --log-cli-level=INFO

3、调试失败的测试 : 失败的测试可以通过 pytest --pdb 命令进入Python调试器(PDB),以便详细检查失败原因。

十一、代码覆盖率

1、安装 pytest-covpytest-cov 插件可以帮助我们了解哪些代码在测试时被执行了,哪些代码没有被覆盖。

bash 复制代码
pip install pytest-cov

2、生成覆盖率报告 : 使用 pytest --cov=<src_directory> 来生成覆盖率报告。

bash 复制代码
pytest --cov=src

3、输出格式: 可以将覆盖率报告输出为HTML或XML等格式,便于阅读和集成:

bash 复制代码
pytest --cov=src --cov-report=html

Pytest 是一个强大且灵活的Python测试框架,适合从小型项目到大型项目的各种测试需求。Pytest的基本使用方法和高级功能,包括如何编写测试用例、组织测试、使用Fixture、进行参数化测试、使用Mocking技术、生成测试报告等。通过合理地使用这些功能,可以显著提高测试效率和测试质量,为Python项目的开发和维护提供强有力的保障。

相关推荐
qq_433716953 天前
Selenium+Pytest自动化测试框架 ------ 禅道实战
自动化测试·软件测试·selenium·单元测试·pytest·接口测试·压力测试
blues_C3 天前
Pytest-Bdd-Playwright 系列教程(11):场景快捷方式
自动化测试·pytest·bdd·playwright
幸运的星竹3 天前
pytest结合allure做接口自动化
自动化·pytest
blues_C4 天前
Pytest-Bdd-Playwright 系列教程(12):步骤参数 & parsers参数解析
自动化测试·pytest·bdd·playwright
胜天半月子6 天前
pytest | 框架的简单使用
运维·pytest
blues_C6 天前
Pytest-Bdd-Playwright 系列教程(10):配置功能文件路径 & 优化场景定义
自动化测试·软件测试·pytest·bdd·playwright
bigbig猩猩7 天前
pytest中的断言:深入解析与实践
pytest
CSXB997 天前
三十八、Python(pytest框架-上)
python·功能测试·测试工具·单元测试·pytest
漫漫人生路^_^8 天前
unittest和pytest
pytest
_可乐无糖8 天前
使用--log-file保存pytest的运行日志
pytest