一、介绍

本篇文章是介绍的是Python 世界中最火的第三方单元测试框架：pytest。它有如下主要特性：

• assert 断言失败时输出详细信息(再也不用去记忆 self.assert* 名称了)
• 自动发现测试模块和函数
• 模块化夹具用以管理各类测试资源
• 对 unittest 完全兼容，对 nose 基本兼容
• 非常丰富的插件体系，有超过 315 款第三方插件，社区繁荣

和前面介绍 unittest 和 nose 一样，我们将从如下几个方面介绍 pytest 的特性。

二、用例编写

同 nose 一样，pytest 支持函数、测试类形式的测试用例。最大的不同点是，你可以尽情地使用 assert 语句进行断言，丝毫不用担心它会在 nose 或 unittest 中产生的缺失详细上下文信息的问题。

比如下面的测试示例中，故意使得 test_upper 中断言不通过：

import pytestdef test_upper():    assert 'foo'.upper() == 'FOO1'class TestClass:    def test_one(self):        x = "this"        assert "h" in x    def test_two(self):        x = "hello"        with pytest.raises(TypeError):            x + []

而当使用 pytest 去执行用例时，它会输出详细的(且是多种颜色)上下文信息：

=================================== test session starts ===================================platform darwin -- Python 3.7.1, pytest-4.0.1, py-1.7.0, pluggy-0.8.0rootdir: /Users/prodesire/projects/tests, inifile:plugins: cov-2.6.0collected 3 itemstest.py F..                                                                         [100%]======================================== FAILURES =========================================_______________________________________ test_upper ________________________________________    def test_upper():>       assert 'foo'.upper() == 'FOO1'E       AssertionError: assert 'FOO' == 'FOO1'E         - FOOE         + FOO1E         ?    +test.py:4: AssertionError=========================== 1 failed, 2 passed in 0.08 seconds ============================

不难看到，pytest 既输出了测试代码上下文，也输出了被测变量值的信息。相比于 nose 和 unittest，pytest 允许用户使用更简单的方式编写测试用例，又能得到一个更丰富和友好的测试结果。

三、用例发现和执行

unittest 和 nose 所支持的用例发现和执行能力，pytest 均支持。 pytest 支持用例自动(递归)发现：

• 默认发现当前目录下所有符合 test_*.py 或 *_test.py 的测试用例文件中，以 test 开头的测试函数或以 Test 开头的测试类中的以 test 开头的测试方法
• 使用 pytest 命令
• 同 nose2 的理念一样，通过在配置文件中指定特定参数，可配置用例文件、类和函数的名称模式(模糊匹配)

pytest 也支持执行指定用例：

• 指定测试文件路径pytest /path/to/test/file.py
• 指定测试类pytest /path/to/test/file.py:TestCase
• 指定测试方法pytest another.test::TestClass::test_method
• 指定测试函数pytest /path/to/test/file.py:test_function

四、测试夹具(Fixtures)

pytest 的测试夹具和 unittest、nose、nose2的风格迥异，它不但能实现 setUp 和 tearDown这种测试前置和清理逻辑，还其他非常多强大的功能。

4.1 声明和使用

pytest 中的测试夹具更像是测试资源，你只需定义一个夹具，然后就可以在用例中直接使用它。得益于 pytest 的依赖注入机制，你无需通过from xx import xx的形式显示导入，只需要在测试函数的参数中指定同名参数即可，比如：

import pytest@pytest.fixturedef smtp_connection():    import smtplib    return smtplib.SMTP("smtp.gmail.com", 587, timeout=5)def test_ehlo(smtp_connection):    response, msg = smtp_connection.ehlo()    assert response == 250

上述示例中定义了一个测试夹具 smtp_connection，在测试函数 test_ehlo 签名中定义了同名参数，则 pytest 框架会自动注入该变量。

4.2 共享

在 pytest 中，同一个测试夹具可被多个测试文件中的多个测试用例共享。只需在包(Package)中定义 conftest.py 文件，并把测试夹具的定义写在该文件中，则该包内所有模块(Module)的所有测试用例均可使用 conftest.py 中所定义的测试夹具。

比如，如果在如下文件结构的 test_1/conftest.py 定义了测试夹具，那么 test_a.py 和 test_b.py 可以使用该测试夹具；而 test_c.py 则无法使用。

`-- test_1|   |-- conftest.py|   `-- test_a.py|   `-- test_b.py`-- test_2    `-- test_c.py

4.3 生效级别

unittest 和 nose 均支持测试前置和清理的生效级别：测试方法、测试类和测试模块。

pytest 的测试夹具同样支持各类生效级别，且更加丰富。通过在pytest.fixture 中指定 scope 参数来设置：

• function —— 函数级，即调用每个测试函数前，均会重新生成 fixture
• class —— 类级，调用每个测试类前，均会重新生成 fixture
• module —— 模块级，载入每个测试模块前，均会重新生成 fixture
• package —— 包级，载入每个包前，均会重新生成 fixture
• session —— 会话级，运行所有用例前，只生成一次 fixture

当我们指定生效级别为模块级时，示例如下：

import pytestimport smtplib@pytest.fixture(scope="module")def smtp_connection():    return smtplib.SMTP("smtp.gmail.com", 587, timeout=5)

4.4 测试前置和清理

pytest 的测试夹具也能够实现测试前置和清理，通过 yield 语句来拆分这两个逻辑，写法变得很简单，如：

import smtplibimport pytest@pytest.fixture(scope="module")def smtp_connection():    smtp_connection = smtplib.SMTP("smtp.gmail.com", 587, timeout=5)    yield smtp_connection  # provide the fixture value    print("teardown smtp")    smtp_connection.close()

在上述示例中，yield smtp_connection 及前面的语句相当于测试前置，通过 yield 返回准备好的测试资源 smtp_connection; 而后面的语句则会在用例执行结束(确切的说是测试夹具的生效级别的声明周期结束时)后执行，相当于测试清理。

如果生成测试资源(如示例中的 smtp_connection)的过程支持 with 语句，那么还可以写成更加简单的形式：

@pytest.fixture(scope="module")def smtp_connection():    with smtplib.SMTP("smtp.gmail.com", 587, timeout=5) as smtp_connection:        yield smtp_connection  # provide the fixture value

pytest 的测试夹具除了文中介绍到的这些功能，还有诸如参数化夹具、工厂夹具、在夹具中使用夹具等更多高阶玩法。

五、跳过测试和预计失败

pytest 除了支持 unittest 和 nosetest 的跳过测试和预计失败的方式外，还在 pytest.mark 中提供对应方法：

• 通过 skip装饰器或 pytest.skip函数直接跳过测试
• 通过 skipif按条件跳过测试
• 通过 xfail预计测试失败

示例如下：

@pytest.mark.skip(reason="no way of currently testing this")def test_mark_skip():    ...def test_skip():    if not valid_config():        pytest.skip("unsupported configuration")@pytest.mark.skipif(sys.version_info < (3, 6), reason="requires python3.6 or higher")def test_mark_skip_if():    ...@pytest.mark.xfaildef test_mark_xfail():    ...

六、子测试/参数化测试

pytest 除了支持 unittest 中的 TestCase.subTest，还支持一种更为灵活的子测试编写方式，也就是 参数化测试，通过 pytest.mark.parametrize 装饰器实现。

在下面的示例中，定义一个 test_eval 测试函数，通过 pytest.mark.parametrize 装饰器指定 3 组参数，则将生成 3 个子测试：

@pytest.mark.parametrize("test_input,expected", [("3+5", 8), ("2+4", 6), ("6*9", 42)])def test_eval(test_input, expected):    assert eval(test_input) == expected

示例中故意让最后一组参数导致失败，运行用例可以看到丰富的测试结果输出：

========================================= test session starts =========================================platform darwin -- Python 3.7.1, pytest-4.0.1, py-1.7.0, pluggy-0.8.0rootdir: /Users/prodesire/projects/tests, inifile:plugins: cov-2.6.0collected 3 itemstest.py ..F                                                                                     [100%]============================================== FAILURES ===============================================__________________________________________ test_eval[6*9-42] __________________________________________test_input = '6*9', expected = 42    @pytest.mark.parametrize("test_input,expected", [("3+5", 8), ("2+4", 6), ("6*9", 42)])    def test_eval(test_input, expected):>       assert eval(test_input) == expectedE       AssertionError: assert 54 == 42E        +  where 54 = eval('6*9')test.py:6: AssertionError================================= 1 failed, 2 passed in 0.09 seconds ==================================

若将参数换成 pytest.param，我们还可以有更高阶的玩法，比如知道最后一组参数是失败的，所以将它标记为 xfail：

@pytest.mark.parametrize(    "test_input,expected",    [("3+5", 8), ("2+4", 6), pytest.param("6*9", 42, marks=pytest.mark.xfail)],)def test_eval(test_input, expected):    assert eval(test_input) == expected

如果测试函数的多个参数的值希望互相排列组合，我们可以这么写：

@pytest.mark.parametrize("x", [0, 1])@pytest.mark.parametrize("y", [2, 3])def test_foo(x, y):    pass

上述示例中会分别把 x=0/y=2、x=1/y=2、x=0/y=3和x=1/y=3带入测试函数，视作四个测试用例来执行。

七、测试结果输出

pytest 的测试结果输出相比于 unittest 和 nose 来说更为丰富，其优势在于：

• 高亮输出，通过或不通过会用不同的颜色进行区分
• 更丰富的上下文信息，自动输出代码上下文和变量信息
• 测试进度展示
• 测试结果输出布局更加友好易读

八、插件体系

pytest 的插件十分丰富，而且即插即用，作为使用者不需要编写额外代码。

此外，得益于 pytest 良好的架构设计和钩子机制，其插件编写也变得容易上手。

九、总结

三篇关于 Python 测试框架的介绍到这里就要收尾了。写了这么多，各位看官怕也是看得累了。我们不妨罗列一个横向对比表，来总结下这些单元测试框架的异同：

Python 的单元测试框架看似种类繁多，实则是一代代的进化，有迹可循。抓住其特点，结合使用场景，就能容易的做出选择。

若你不想安装或不允许第三方库，那么 unittest 是最好也是唯一的选择。反之，pytest 无疑是最佳选择，众多 Python 开源项目都是使用 pytest 作为单元测试框架。

以上内容就是本篇的全部内容以上内容希望对你有帮助。

如果对接口、性能、自动化测试、面试经验交流等感兴趣的，可以关注我的头条号，我会不定期的发放免费的资料，这些资料都是从各个技术网站搜集、整理出来的，如果你有好的学习资料可以私聊发我，我会注明出处之后分享给大家。欢迎分享，欢迎评论，欢迎转发。需要资料的同学可以关注小编+转发文章+私信【测试资料】