【测试】Pytest

建议关注、收藏！

功能

单元测试：用于验证代码的最小功能单元（如函数、方法）的正确性。
简单的语法：不需要继承特定类或使用复杂的结构。断言语句简化。
自动发现测试：Pytest 会自动查找以 test_ 开头的函数或文件。

python 复制代码

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

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

def test_subtract():
    result = 10 - 5
    assert result == 5

bash 复制代码

pytest #运行

参数化测试
@pytest.mark.parametrize 可以在一个测试函数中测试多组输入和输出

python 复制代码

@pytest.mark.parametrize("a, b, expected", [
    (1, 2, 3),
    (2, 3, 5),
    (10, 5, 15)
])
def test_add(a, b, expected):
    assert add(a, b) == expected

功能测试、集成测试、回归测试
插件
pytest-django：测试 Django 项目。
pytest-flask：测试 Flask 应用程序。
pytest-cov：生成测试覆盖率报告。
pytest-xdist：支持并行运行测试，提高测试效率。
测试用例分组和标记
@pytest.mark给测试用例添加标记，以便运行特定分组的测试。

python 复制代码

@pytest.mark.slow
def test_slow_function():
    # 测试代码
    pass

bash 复制代码

pytest -m slow

灵活的前置与后置处理（Fixture）
用于在测试前后进行环境的初始化与清理。

python 复制代码

import pytest

@pytest.fixture
def sample_data():
    return {"key": "value"}

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

错误重试与失败处理
使用插件（如 pytest-rerunfailures）可以重试失败的测试用例。
生成 HTML 测试报告（使用 pytest-html 插件）。

bash 复制代码

pytest --html=report.html

集成 CI/CD
Pytest 易于与持续集成工具（如 Jenkins、GitLab CI/CD、GitHub Actions）集成，自动化测试流程。

pytest

支持简单单元测试及复杂功能测试

结合requests实现接口测试

结合selenium硒,appium实现自动化功能测试

结合allure继承到jenkins实现持续集成

支持315+种插件

报告、多线程、顺序控制

兼容python的unittest

定制化插件开发

python 复制代码

#text.py
def inc(x):
	return x+1
def test_answer():
	assert inc(3)==5

pip install pytest #安装到了base环境
#command里输入
pytest main.py

命名规则注意：文件名必须得是 test_ 开头或者 _test 结尾;类要用Test_开头，方法用test_开头，这样行号会出现绿色运行箭头

测试类中不可以添加__init__构造函数，如果添加则不认为是测试类，所有测试方法都识别不到了

pycharm->setting->tools->python intergrated tools->default test runner:pytest

断言：执行到这个位置，对应的断言应为真。当不为真时，程序终止执行并给出错误信息。

python 复制代码

def test_x(self):
#测试步骤
#断言 实际结果对比预期结果
	assert ActualResult==ExpectedResult

class Testx:
	def setup(self):
	#资源准备
		pass
	def teardown(self):
	#资源销毁
		pass
	def test_x(self):
	#测试步骤
	#断言 实际结果对比预期结果
		assert ActualResult==ExpectedResult

#断言用法
assert <表达式>
assert <表达式>,<描述>

def test_a():
	assert 'abc' in 'abcd'
import sys
def test_b():
	assert ('linux' in sys.platform),"该代码只能在linux下运行"

setup/teardown
相当于就是某个事件开始前的资源准备->setup；事件完成后的资源销毁->teardown；
以下是各个层级的setup/teardown:

python 复制代码

#需要哪个层级的触发 就在哪个地方放哪个

def setup_module():#全局的最多只会执行一次
	print("资源准备:setup module")
#setup teardown不需要成对出现，根据需求选择
def teardown_module():
	print("资源销毁:teardown module")

参数化
使定量信息变量化。可以对其进行不同的赋值。
e.g. 对搜索框进行输入测试。这个输入可以设成一个变量，每次只需要调整搜索的输入。
注意：

参数化的名字要与方法中的参数名一一对应
如果传递多个参数，要放在列表中，作为嵌套列表/元组
ids的参数个数要==传递的参数个数

python 复制代码

#单参数
import pytest
search_list=['appium','selenium','pytest']
@pytest.mark.parametrize('name',search_list)
def test_search(name):#这个name要和上述的name字段相等，对应上
	assert name in search_list
#多参数
params=[('3+5',8),('2+5',7),('6+5',12)]
@pytest.mark.parametrize("test_input,expected",params,ids=['p1','p2','p3'])
#用例重命名 ids
#ids是对params里面的每个参数进行重命名，可以用这个名字分别代表它们
def test_mark_more(test_input,expected):
	assert eval(test_input)==expected

#笛卡尔积 在测试中叫全量测试 几乎不实际 过于浪费时间
#在排查不确定的问题时可以用
@pytest.mark.parametrize('wd',['appium','selenium','pytest'])
@pytest.mark.parametrize('code',['utf-8','gbk','gb2312'])
def test_dkej(wd,code):
	print(f"wd:{wd},code:{code}")
'''
print(f'.....')
注意：f后面一定要紧跟字符串，不能隔有空格，否则会报错
print语句中加入f就可以起到和format函数类似的作用。
'''

标记测试用例
只执行需要的一部分测试用例，可以把一个web项目划分成多个模块，制定模块名称执行。
只需要在测试用例方法上加@pytest.mark.标签名
-m 执行自定义标记的相关用例

shell 复制代码

pytest -s test_mark_zi_09.py -m=webtest #加不加=都可以
pytest -s test_mark_zi_09.py -m apptest
pytest -s test_mark_zi_09.py -m "not ios" #这个是指测试所有标签中不包括ios的用例
pytest -s test_mark_zi_09.py -vs -m apptest #-vs指打印详细日志
pytest -s test_mark_zi_09.py -m "str" #执行标签名为str的所有用例
#-k 可以进行部分匹配 只要标签名里包含这个 就执行

python 复制代码

@pytest.mark.int #装饰器 不改变原有代码+增加相关功能 标记新标签"int"
def test_double_int():
	print('test_double_int')
	assert 2==double(1)

#为了防止报出warning，虽然不影响执行
#新建pytest.ini
#这个文件中放入：
[pytest]
markers= str  #多个参数不要写在同一行，要换行且不顶格
		bignum
		float
		int
		zero
		minus
#顶格的换行参数会被认为是key 地位等同于markers

#这样之后 pytest就可以识别出 def[test_double_标签名]这里面的标签名
#e.g. test_double_int 中的'int'/....它们注册成为了标签

跳过及预期失败
这是pytest的内置标签，可以处理特殊的测试用例
skip:始终跳过
skipif:如果...跳过
xfail:如果...产生一个"期望失败"输出

使用场景：

调试时不想运行这个用例
标记无法在某些平台上运行的测试功能
在某些版本中执行，某些版本则跳过它
e.g. 当前外部资源不可用时跳过
如果测试数据是从数据库中取到的；连接数据库的功能，如果返回结果未成功则跳过；开发人员代码未写完；

python 复制代码

#解决1:添加装饰器
@pytest.mark.skip 
@pytest.mark.skipif
#解决2:代码中添加跳过代码
pytest.skip(reason='代码未写完')

#1.这些代码直接放在需要跳过的函数def的上一行。
#2.放在函数内部进行条件判断使用
def test_function():
	if not check_login():
		pytest.skip("unsupported configuration")
	print('end')

import pytest
import sys
print(sys.platform)
@pytest.mark.skipif(sys.platform=='darwin',reason='does not run on mac')#mac在这里其实叫darwin
def test_case1():
    print('enter 1')
    assert 1==2

@pytest.mark.skipif(sys.platform=='win',reason='does not run on windows')
def test_case2():
    print('enter 2')
    assert 1==1
 
@pytest.mark.xfail #起到提示的作用，bug改完之后去掉
def test_aaa():
	print("test_xfail1 方法执行")
	assert 2==2 #打印为XPASS
	#assert 2==3 #打印为XFAIL
	
xfail=pytest.mark.xfail

@xfail(reason="bug 404")
def test_sample404():
	assert 0

@pytest.mark.xfail #起到提示的作用，bug改完之后去掉
def test_aaa():
	print("start")
	pytest.xfail(reason="have not done this")#这行之后的函数作用域将不会执行
	print("processing")

运行用例
运行某个/多个用例包/用例模块/用例类/用例方法

IDE的界面操作
多个文件用command选中，右键->run
代码方式运行【选择这种，不容易出问题】

powershell 复制代码

pytest -v #直接执行当前目录下的所有测试文件
pytest filename.py #test single file
pytest filename.py::ClassName #执行某个类
pytest filename.py::ClassName -v #打印显示具体执行了哪个用例
pytest filename.py::ClassName::test_demo1 -v #执行具体用例
pytest filename.py::test_demo1 -v#执行不属于类的用例

#命令行参数 命令后面加上的...
-help
-x #用例error/fail 则立刻停止执行
'''
冒烟测试：不是全功能的测试，只是大概的测一下，只需要主要核心功能没问题。
'''

--maxfail==num #用例达到多少停止
-m #标记用例 运行这一类的用例

-k #执行包含某个关键字的测试用例
pytest test.py -v -k "str" #运行命名包含"str"的用例
#并告知deselected的个数
pytest test.py -v -k "not str" #运行命名不包含"str"的用例

--collect-only #只收集统计测试用例但不运行 （测试平台，pytest自动导入功能）
--lf #(--last-failed) #只重新运行故障
--ff #(--failed-first)#先运行故障后运行其余的测试
-v #输出更加详细的运行信息
-s #输出调试信息 即print输出的信息
-vs #它俩的组合版

运行结果分析
常用：fail/error/pass
特殊：warning/deselect

error:代码写错、某种不正确的断言
fail 样例不通过
warning只是警告，不影响运行
deselect没有被选中的用例

代码执行pytest
方式一：编写main函数，命令行中使用"python test_name.py "

python 复制代码

if __name__=='__main__':
	#运行当前目录下所有符合规则的用例，包括子目录里的
	pytest.main()
	#运行test_mark1.py::test_dkej模块中某一条用例
	pytest.main(['test_mark1.py::test_dkej','-vs'])
	#运行某个标签
	pytest.main(['test_mark1.py','-vs','-m','dkej'])
# 什么时候这里的__name__!='__main__'，当该文件被其他文件导入时

方法二：不使用main，使用python -m pytest test_name.py

(用到jenkins持续集成)

异常处理
方法1:try...except

python 复制代码

try:
	...
except (ValueError,ArithmeticError):
	...
except:
	...

方法2:

获取异常的细节（类型和信息），后面的代码不会继续执行

python 复制代码

def test_raise():
	with pytest.raises(（ZeroDivisionError，ValueError）,match='must be 0 or None'):#如果有match匹配文字的需要，匹配后才能pass
		raise ValueError("value must be 0 or None")
		#raise ZeroDivisionError("除数为0")
def test_raise1():
	with pytest.raises(ValueError) as exc_info:
		raise ValueError("value must be 42")
	assert exc_info.type is ValueError
	assert exc_info.value.args[0]=="value must be 42"

数据驱动
数据改变而驱动自动化测试进行。
数据量小的测试用例使用代码参数化实现数据驱动。
数据量大的测试用例使用一种结构化的文件（如yaml,json等）来对数据进行存储，在测试用例中读取这些数据。
- 应用场景：app,web,接口自动化测试
包含测试步骤的数据驱动、测试数据的数据驱动、配置的数据驱动

python 复制代码

import pytest
import yaml #.yml是一种配置文件
class TestDemo:
	@pytest.mark.parametrize("env",yaml.safe_load(open("./env.yml")))
	#parametrize中如果传入的是dict类型，则只读取key
	def test_demo(self,env):
		if "test" in env:
			print("this is test env")
			print(env)
			print(env["test"])#读取到ip 127.0.0.1 
		elif "dev" in env:
			print("this is develop env")

#env.yaml
test:127.0.0.1 #这是字典格式

#env.yaml
- #前面加一杠 转换成列表格式，里面的元素是{'test':'127.0.0.1 '}
test:127.0.0.1

- 读取excel文件
  第三方库：xlrd,xlwings,pandas,openpyxl
- openpyxl

python 复制代码

conda install openpyxl
pip install ...

import openpyxl
book=openpyxl.load_workbook('path')#读取工作簿

sheet=book.active#获取当前活跃的工作表

#读取单元格的两种方式
cell_a1=sheet['A1']
cell_a3=sheet.cell(column=1,row=3)

#读取多个连续的单元格
cells=sheet["A1":"C3"] #返回嵌套元组

#获取单元格里的值
cell_a1.value

- 读取csv文件
  cvs(comma-Separated Values) 以逗号分隔
  以纯文本形式储存

python 复制代码

#读取数据
#采用内置函数
def get_csv():
	with open('demo.csv','r')as file:
		raw=csv.reader(file)
		for line in raw:
			print(line)
		
		values=[]
		for row in raw:
			values.append(line)
	return values #传入parametrize

- 读取json文件
  json 是JS对象，javascript object notation
  json结构中对象是{"key":value};数组是[value1,value2...]

json.loads() or json.load()

json.loads 从 JSON 字符串解析为 Python 对象。

json.load 从文件对象（如 .read() 的结果）解析 JSON 数据,输出字典dict。

data=json.loads(f.read())

python 复制代码

#读取json
#内置函数open(),内置库json
#方法 json.loads() , json.dumps()

def get_json():
	with open('demo.json','r')as f:
		data=json.loads(f.read())
#与 json.load(f) 相比，它多了一个中间步骤：
#先读取文件内容f.read()为字符串，再将字符串传递给 json.loads 进行解析。
		print(data) #type:dict
		
		s=json.dumps(data,ensure_ascii=False)#序列化 str->json
		#使得中文字符正常显示
		return list(data.values())

python 复制代码

#operation.py
def my_add(x,y):
	res=x+y
	return res

# test_add.py
import openpyxl
import pytest
from mainfolder.func.operation import my_add
def get_excel():
	book=openpyxl.load_workbook('path')#读取工作簿
	sheet=book.active
	values=[]
	for row in sheet:
		line=[]
		for cell in row:
			line.append(cell.value)
		values.append(line)
	return values

class TestWithExcel:
	@pytest.mark.parametrize('x,y,expected',get_excel())
	def test_add(self,x,y,expected):
		assert my_add(int(x),int(y))==int(expected)