Python pytest极简入门，从零学会专业自动化测试

文章目录

- 前言
- 一、环境准备
- 二、最小可运行示例
- 三、核心概念
- - [1. 自动发现](#1. 自动发现)
  - [2. 断言即测试](#2. 断言即测试)
  - [3. Fixture](#3. Fixture)
- [四、进阶用法：fixture 与参数化](#四、进阶用法：fixture 与参数化)
- 五、实战场景：测试带异常的代码
- [六、常见坑 / 报错](#六、常见坑 / 报错)
- - [1. collected 0 items](#1. collected 0 items)
  - [2. fixture 'xxx' not found](#2. fixture 'xxx' not found)
  - [3. 断言失败但看不出原因](#3. 断言失败但看不出原因)
- 七、总结与下一步

P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/qq_34419312

前言

写代码不写测试，跟洗完澡不关水龙头一个性质：当时觉得没事，等水流一地才开始后悔。你改一行代码，崩了三处功能，然后在报错堆里灵魂三问------我是谁？我在哪？我昨天到底改了什么？

Python 标准库其实有个 unittest，用起来像在写论文：样板代码比业务代码还长。而 pytest 主打一个"少废话、多办事"------更少的样板代码、更聪明的断言、一堆现成的插件，社区主流没跑了。

一、环境准备

装它，一条命令的事，比下楼取快递还快：

复制代码

pip install pytest

装完顺手验证一下：

复制代码

pytest --version

要求 Python 3.8+。版本太老的朋友建议先升级，别问我怎么知道的，往事不堪回首。

最关键的一点：装完不用配任何东西。pytest 的哲学是"约定大于配置"------它默认你是个守规矩的人，你只要守规矩就行。

二、最小可运行示例

假设你有个业务函数，放在 calc.py 里，就那种"算个加法都怕算错"的函数：

python 复制代码

# calc.py
def add(a, b):
    return a + b

然后写测试，文件叫 test_calc.py。注意暗号：文件名要以 test_ 开头，函数名也要以 test_ 开头，接不上头它就当你不存在。

python 复制代码

# test_calc.py
from calc import add
def test_add_int():
    assert add(1, 2) == 3
def test_add_str():
    assert add("a", "b") == "ab"

终端敲一个 pytest，pytest 自动把所有 test_* 用例捡走执行。绿色 PASSED 亮起那一刻，你会产生"我也是会写测试的人"的错觉。别高兴太早，是错觉，坑在后面排队呢。

三、核心概念

1. 自动发现

默认找 test_*.py 或 *_test.py，里面的函数/类以 test_ 开头。也就是说，你只要把名字起对，pytest 就像饿了三天突然看到外卖的狗，自己就冲过去了。

2. 断言即测试

直接写 Python 原生的 assert，失败时它自动把变量值给你打出来，明明白白。不用像 unittest 那样写 self.assertEqual，省下来的时间够你多刷一个短视频。

3. Fixture

用 @pytest.fixture 准备测试前置数据/资源，可复用、可依赖。翻译成人话：就是"开考前先帮你把草稿纸和笔备好"的工具人。

四、进阶用法：fixture 与参数化

fixture 帮你共享数据库连接，参数化让你一条用例测多组输入------用最少的代码，得罪最多的 bug：

python 复制代码

import pytest
@pytest.fixture
def sample_data():
    return [1, 2, 3, 4]
def test_sum(sample_data):
    assert sum(sample_data) == 10
@pytest.mark.parametrize("a,b,expect", [
    (1, 1, 2), (0, 0, 0), (-1, 1, 0),
])
def test_add(a, b, expect):
    assert add(a, b) == expect

看到没，一个函数跑出三组用例，报告还给你列得清清楚楚。这叫什么？这叫花一份工资，雇三个质检员。

五、实战场景：测试带异常的代码

有些代码你希望它"该出错时就出错"，比如除数为零，它要是没报错你才要慌。验证方式如下：

python 复制代码

import pytest
def divide(a, b):
    if b == 0:
        raise ValueError("b 不能为 0")
    return a / b
def test_divide_zero():
    with pytest.raises(ValueError):
        divide(1, 0)

pytest.raises 这个上下文管理器专门盯异常，类型对不上它就给你脸色看。这是测试防御性代码的利器------相当于给代码装了安全气囊，平时看不见，出事才觉得真香。

六、常见坑 / 报错

1. collected 0 items

pytest 没找到用例，一个都没捡到。先别怀疑人生，检查文件名/函数名是不是以 test_ 开头，或者你是不是在正确的目录下运行。多数时候不是你代码不行，是你没对上暗号。

2. fixture 'xxx' not found

引用的 fixture 没定义，或者定义在别的文件里没被发现。公共 fixture 请放进 conftest.py，放那里面就是全剧组的共用道具，谁都能用。

3. 断言失败但看不出原因

用 assert a == b 而不是自定义比较，pytest 会把两侧的实际值都打印出来，证据确凿，赖不掉。复杂对象做浮点比较就用 pytest.approx：assert val == pytest.approx(0.1)。别问为什么 0.1+0.2 不等于 0.3，问就是二进制不想理你。

七、总结与下一步

pytest 用极简写法撬动专业测试：自动发现、智能断言、fixture 复用、参数化覆盖。基本就四板斧，但够用。

下一步建议：

加 pytest-cov 看测试覆盖率，看看你嘴上说的"测过了"到底覆盖了多少行。
用 pytest-mock 隔离外部依赖，把网络、数据库这些"猪队友"换成替身演员。
接入 CI（比如 GitHub Actions），让每次提交自动跑测试。从此以后，代码合不合规机器说了算，不用你半夜爬起来手动跑。

最后说句掏心窝的：写好 pytest，你的 Python 代码才真正"稳得住"。不然哪天改了个配置，半夜线上报警，你端着保温杯坐电脑前，那种酸爽，比老坛酸菜还正宗。

P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/qq_34419312