Unittest单元测试基础速记

光影6272026-10-30 22:39

理解单元测试

单元测试是对软件中最小的可测单元（函数、类方法）进行正确性验证的过程，是保障代码质量的第一道防线，能帮助开发者在项目前期发现 bug，降低修复成本。

类似简单的一个代码函数，对一个函数进行验证。

为什么要学单元测试

新手常有的疑问：我都 print 调试了，为什么要学这个？

想象这个场景：你写了个函数，手动把十几个场景挨个跑一遍，跑漏一个就上线背锅，下次改代码又得全部重跑一遍。单元测试就是把这些"手动跑一遍"固化成代码，一键回归，漏不掉、也忘不掉。

测试左移的理念

把测试提前到开发阶段，越早发现问题，修复成本越低。单元测试就是测试左移最直接的落地手段。

unittest 是什么

unittest 是 Python 自带的单元测试框架，其设计灵感源于 Java 的 JUnit 框架。无需安装三方库，具有稳定可靠、功能完备的特点。

unittest 能做什么

  • 自动化验证：代替手工调试，一键回归测试
  • 文档作用：测试用例本身就是需求和代码逻辑最佳的实例文档
  • 设计驱动：编写测试用例的过程有助于优化代码结构，使其更具可测性
  • 持续集成：CI/CD 流水线中不可或缺的一环

unittest 核心组件

  • TestCase
    • 是 unittest 里面最基本的单元，用于定义单个测试用例
    • 必须继承 unittest.TestCase 基类
    • 测试方法必须以 test_ 开头，如果不是这样 unittest 测试框架不会识别并运行测试用例
  • TestSuite
    • 测试套件，容器的作用，用来组织多个测试用例或测试类
  • TestRunner
    • 执行测试并输出结果的组件
  • TestFixture
    • 定义测试用例执行前的前置处理和后置清理工作

项目结构

新手常问 test 文件放哪、怎么命名。推荐这样组织：

text 复制代码 
project/
├── src/
│   └── calc.py
└── tests/
    ├── __init__.py
    ├── test_calc.py
    └── test_data.json

约定：

  • 测试文件命名 test_*.py，unittest discover 默认按这个规则找
  • tests/ 目录下加一个 __init__.py，避免导入路径问题
  • 被测代码放 src/，测试代码放 tests/，分离清楚

写 demo

python 复制代码 
# test_demo.py
import unittest


class TestAdd(unittest.TestCase):

    def test_add_1(self):
        self.assertEqual(1 + 1, 2)

    def test_add_2(self):
        self.assertEqual(2 + 2, 4)

    def test_add_3(self):
        self.assertEqual(3 + 3, 7)  # 故意失败


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

如果是命令行运行，需要写一个 main 函数（unittest.main()）。

命令行运行：

bash 复制代码 
python test_demo.py
# 或
python -m unittest test_demo.py

常用断言方法

新手必背清单，assertEqual 之外还有这些：

断言方法 含义 示例
assertEqual(a, b) a == b assertEqual(1 + 1, 2)
assertNotEqual(a, b) a != b assertNotEqual(1, 2)
assertTrue(x) x 为 True assertTrue(1 < 2)
assertFalse(x) x 为 False assertFalse(1 > 2)
assertIn(a, b) a 在 b 中 assertIn(1, [1, 2, 3])
assertNotIn(a, b) a 不在 b 中 assertNotIn(4, [1, 2, 3])
assertIsNone(x) x 是 None assertIsNone(None)
assertIsNotNone(x) x 不是 None assertIsNotNone(0)
assertIsInstance(a, cls) a 是 cls 实例 assertIsInstance("a", str)
assertAlmostEqual(a, b) 浮点数近似相等 assertAlmostEqual(0.1 + 0.2, 0.3, places=7)
assertRaises(Exc) 抛出指定异常 见下方示例

assertRaises 两种写法：

python 复制代码 
import unittest


class TestRaises(unittest.TestCase):

    def test_raises_context(self):
        # 写法一：上下文管理器
        with self.assertRaises(ZeroDivisionError):
            1 / 0

    def test_raises_callable(self):
        # 写法二：传入可调用对象
        self.assertRaises(ZeroDivisionError, lambda: 1 / 0)


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

浮点数别用 assertEqual，0.1 + 0.2 != 0.3，坑很多，用 assertAlmostEqual。

执行结果分析

  • .：测试通过
  • F：测试失败（Failure），断言失败
  • E：测试错误（Error），代码本身异常
  • S：测试跳过（Skip）

跑一遍上面的 demo，真实输出大概长这样：

text 复制代码 
F..
======================================================================
FAIL: test_add_3 (test_demo.TestAdd.test_add_3)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "test_demo.py", line 13, in test_add_3
    self.assertEqual(3 + 3, 7)
AssertionError: 6 != 7

----------------------------------------------------------------------
Ran 3 tests in 0.001s

FAILED (failures=1)

逐行解读：

  • 第一行 F..：三个用例，第一个失败，后两个通过
  • FAIL: test_add_3 (test_demo.TestAdd.test_add_3)：哪个类、哪个方法失败
  • Traceback：失败位置，精确到文件和行号
  • AssertionError: 6 != 7：断言实际值 vs 期望值，一看就知道差在哪
  • Ran 3 tests in 0.001s：跑了几个用例、耗时
  • FAILED (failures=1)：总结论，failures 是断言失败数，errors 是代码异常数

UNITTEST 框架自动寻找 TestCase 子类并运行。

执行顺序是按方法名的 ASCII 码值大小排序，不是代码书写顺序。

测试用例独立性原则

新手最容易犯的错：用例 A 依赖用例 B 留下的数据。

必须遵守：

  • 每个用例能单独跑
  • 乱序跑结果不变
  • 重复跑结果不变
  • 用例之间不共享全局状态、不依赖执行顺序

反面例子：

python 复制代码 
class TestBad(unittest.TestCase):
    data = []

    def test_01_add(self):
        self.data.append(1)  # 污染类属性

    def test_02_check(self):
        self.assertEqual(len(self.data), 0)  # 单跑 test_02 能过，一起跑就挂

数据准备放在 setUp 里，用完在 tearDown 清掉，这是最简单可靠的做法。

Unittest TestFixture

方法级

方法级前置处理：setUp

方法级后置处理：tearDown

python 复制代码 
import unittest


class TestDemo(unittest.TestCase):

    def setUp(self):
        print("这是方法级的前置处理")

    def tearDown(self):
        print("这是方法级后置处理")

    def test_case_1(self):
        print("测试用例 1")

    def test_case_2(self):
        print("测试用例 2")
  • 每个测试方法执行前后都会各执行一次
  • 断言失败或用例报错，tearDown 依然会执行，适合做清理工作

类级

还有类级的前后置处理，需要加装饰器 @classmethod。

python 复制代码 
import unittest


class TestDemo(unittest.TestCase):

    @classmethod
    def setUpClass(cls):
        print("类级前置：整个类执行前执行一次")

    @classmethod
    def tearDownClass(cls):
        print("类级后置：整个类执行后执行一次")

    def test_case_1(self):
        print("测试用例 1")

    def test_case_2(self):
        print("测试用例 2")
  • setUpClass、tearDownClass 整个类前后各执行一次
  • 必须加 @classmethod 装饰器，忘了直接报错

模块级

模块级（这个 py 文件）所有用例执行之前和所有用例执行之后执行一次。

注意：unittest 标准库不像 pytest 那样有 setup_module()，unittest 是在模块里定义 setUpModule() 和 tearDownModule() 函数（函数级，不是类方法）。

python 复制代码 
import unittest


def setUpModule():
    print("模块级前置：整个模块执行前一次")


def tearDownModule():
    print("模块级后置：整个模块执行后一次")


class TestA(unittest.TestCase):

    def test_a_1(self):
        print("test_a_1")

    def test_a_2(self):
        print("test_a_2")


class TestB(unittest.TestCase):

    def test_b_1(self):
        print("test_b_1")


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

前后置等级对比

级别 前置 后置 作用范围 备注
方法级 setUp(self) tearDown(self) 每个测试方法 类内定义
类级 setUpClass(cls) tearDownClass(cls) 整个测试类 需加 @classmethod
模块级 setUpModule() tearDownModule() 整个模块 模块内函数定义

TestSuite

如果想多文件的测试用例全部一起运行呢？使用 TestSuite。

python 复制代码 
import unittest
from test_module_a import TestA
from test_module_b import TestB


if __name__ == "__main__":
    # 1. 创建测试套件
    suite = unittest.TestSuite()

    # 2. 添加测试用例（可以是类，也可以是单个方法）
    suite.addTest(TestA("test_a_1"))
    suite.addTest(TestB("test_b_1"))

    # 也可以用 addTests 批量添加
    # suite.addTests([TestA("test_a_1"), TestB("test_b_1")])

    # 3. 创建执行器并执行
    runner = unittest.TextTestRunner(verbosity=2)
    runner.run(suite)

自动发现测试用例（多文件推荐用 discover）：

python 复制代码 
import unittest


if __name__ == "__main__":
    # 从当前目录开始查找 test 开头的 py 文件
    suite = unittest.defaultTestLoader.discover(start_dir=".", pattern="test_*.py")
    runner = unittest.TextTestRunner(verbosity=2)
    runner.run(suite)

verbosity 说明：

  • verbosity=0：静默，只输出结果摘要
  • verbosity=1：默认，点号显示
  • verbosity=2：详细，显示每个用例名称和执行结果

跳过测试

python 复制代码 
import unittest


class TestDemo(unittest.TestCase):

    @unittest.skipIf(1 > 0, "条件成立，跳过")
    def test_skip_if(self):
        print("这条不会执行")

    @unittest.skip("无条件跳过")
    def test_skip(self):
        print("这条也不会执行")

    @unittest.skipUnless(False, "条件为 False 跳过")
    def test_skip_unless(self):
        print("这条也不会执行")

    def test_dynamic_skip(self):
        if True:
            self.skipTest("方法内动态跳过")
        print("这条也不会执行")

参数说明：

  • condition：判断条件，判断表达式，bool
  • reason：跳过原因，str 类型

常用装饰器：

  • @unittest.skip(reason)：无条件跳过
  • @unittest.skipIf(condition, reason)：条件为 True 时跳过
  • @unittest.skipUnless(condition, reason)：条件为 False 时跳过
  • self.skipTest(reason)：方法内动态跳过

数据驱动（ddt）

数据驱动的目的是将测试数据和用例逻辑进行分离，提高代码的可重用性。

安装：

bash 复制代码 
pip install ddt

支持导入多种类型数据：有列表、json、yaml 等。

python 复制代码 
import unittest
from ddt import ddt, data, unpack, file_data


@ddt  # 装饰器标记这个测试类使用数据驱动
class TestDDT(unittest.TestCase):

    @data(1, 2, 3)  # 单个参数
    def test_single(self, value):
        self.assertGreater(value, 0)

    @data((1, 2), (3, 4), (5, 6))  # 多个参数
    @unpack
    def test_multi(self, a, b):
        self.assertLess(a, b)

    @file_data("test_data.json")  # 从文件读取
    def test_from_file(self, **kwargs):
        print(kwargs)


if __name__ == "__main__":
    unittest.main()
  • @ddt：装饰器标记这个测试类使用的数据驱动
  • @data：直接传入数据
  • @unpack：拆解元组 / 列表，用于多参数
  • @file_data：从 json、yaml 文件读取数据

json 文件完整示例

test_data.json：

json 复制代码 
[
  {"username": "admin", "password": "123456"},
  {"username": "guest", "password": "guest"}
]

配套代码：

python 复制代码 
import unittest
from ddt import ddt, file_data


@ddt
class TestLogin(unittest.TestCase):

    @file_data("test_data.json")
    def test_login(self, username, password):
        self.assertTrue(len(username) > 0)
        self.assertTrue(len(password) > 0)


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

注意：file_data 加载 json 里的每个对象时，键名会直接变成方法参数名，所以 json 的 key 必须和函数参数对得上。

yaml 文件示例

需要额外装 PyYAML：

bash 复制代码 
pip install pyyaml

test_data.yaml：

yaml 复制代码 
- username: admin
  password: "123456"
- username: guest
  password: guest

用法和 json 一样：

python 复制代码 
@file_data("test_data.yaml")
def test_login(self, username, password):
    self.assertTrue(len(username) > 0)

json 和 yaml 格式我还不太熟，需要额外熟悉一下。

并发测试（进阶）

进阶内容，初学可跳过。

unittest 本身不直接支持多进程并发，常见方案：

  • 用 concurrent.futures 手动并发跑多个 TestSuite
  • 用 pytest-xdist 搭配 pytest 运行：pytest -n 4

简单示例，用 concurrent.futures 并发跑不同测试类：

python 复制代码 
import unittest
from concurrent.futures import ThreadPoolExecutor


class TestA(unittest.TestCase):
    def test_a_1(self):
        self.assertEqual(1 + 1, 2)


class TestB(unittest.TestCase):
    def test_b_1(self):
        self.assertEqual(2 + 2, 4)


def run_case(test_class):
    suite = unittest.defaultTestLoader.loadTestsFromTestCase(test_class)
    runner = unittest.TextTestRunner(verbosity=2)
    return runner.run(suite)


if __name__ == "__main__":
    with ThreadPoolExecutor(max_workers=2) as executor:
        futures = [
            executor.submit(run_case, TestA),
            executor.submit(run_case, TestB),
        ]
        for f in futures:
            f.result()

注意点：

  • 并发执行时，不同用例之间不能共享全局状态，否则结果不稳定
  • 用 ThreadPoolExecutor 只是多线程并发，适合 I/O 密集；CPU 密集用 ProcessPoolExecutor
  • 更推荐用 pytest-xdist，命令一行 pytest -n 4 即可多进程并发

常见坑

  • 文件名不是 test_*.py，discover 找不到，用例一个都不跑
  • 测试类没继承 unittest.TestCase，用例静默不执行
  • 方法名不是 test_ 开头，框架直接忽略，不报错
  • setUpClass 忘了 @classmethod，直接报错
  • 浮点数用 assertEqual 比较，0.1 + 0.2 != 0.3，用 assertAlmostEqual
  • 用例之间共享全局变量，单跑能过，一起跑挂，排查半天
  • 忘了写 if __name__ == "__main__": unittest.main()，命令行跑没反应

注意点

  • 测试方法必须以 test_ 开头，否则框架不识别
  • 执行顺序按方法名 ASCII 码排序，不是代码书写顺序
  • setUp / tearDown 每个方法前后各执行一次；setUpClass / tearDownClass 整个类前后各一次，需加 @classmethod
  • 模块级用 setUpModule() / tearDownModule() 函数，不是类方法
  • 断言失败或用例报错，tearDown 仍会执行
  • ddt 需要额外安装：pip install ddt
  • yaml 数据驱动需要额外安装：pip install pyyaml
  • 并发执行要用 pytest-xdist 或 concurrent.futures，注意用例之间不能共享状态

unittest 掌握之后，可以去看 pytest。写法更简洁，不用继承类，直接用 assert，还有 fixture、参数化、插件生态，是目前更主流的 Python 测试框架。

相关推荐
ZLongTeng4 小时前
EIDE的launch.json文件
json
梦想不只是梦与想8 小时前
Python 中的 json 模块
python·json·对象转字符串
xie8810180210 小时前
正则里的点号不匹配换行：多行模式的开关
运维·服务器·测试工具
步行cgn11 小时前
JSON.stringify 详解：把 JavaScript 对象变成 JSON 字符串
开发语言·javascript·json
阿正的梦工坊12 小时前
深入理解 JSON-RPC 2.0：轻量级远程调用协议详解
rpc·json
腾讯数据架构师12 小时前
任务跑完怎么直接出图表？CubeStudio 任务可视化 ECharts 数据格式实操（CSV/JSON + metric.json，11 种图表一键渲染）
前端·json·echarts·数据可视化
救救孩子把13 小时前
结构化输出为何“格式正确、答案错误”？JSON Schema 的能力边界
android·java·json·agent·agent服务
霸道流氓气质14 小时前
智能表单生成器：结构化输出契约、JSON Schema 驱动渲染与 EAV/JSONB 混合存储的 Vue3 + Spring AI 生产级实战
人工智能·spring·json
SEO_juper15 小时前
Bash 交叉验证 robots.txt 和 sitemap：两个文件自相矛盾，页面永远收录不了
开发语言·python·node.js·json·bash
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03GitHub 镜像站点04历年考研数学一、数学二、数学三真题试卷及答案PDF05几个好用的ip纯净度检测网站06昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战07苹果iPA游戏软件资源下载网站08蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接09CVE-2026-91403 高危漏洞预警：Java JSSE 信任链被攻破 全场景修复方案与Linux系统级彻底清理实操10微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新