Python 自动化测试中最火的第三方开源测试框架 pytest
本篇文章是聊聊 Python 的单元测试框架，在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 pytest
def 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-0.8.0
rootdir: /Users/prodesire/projects/tests, inifile:
plugins: cov-2.6.0
collected 3 items
test.py F.. [100%]
======================================== FAILURES =========================================
_______________________________________ test_upper ________________________________________
def test_upper():
> assert 'foo'.upper() == 'FOO1'
E AssertionError: assert 'FOO' == 'FOO1'
E - FOO
E + FOO1
E ? +
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
- 使用
- 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.fixture
def 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 pytest
import 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 smtplib
import 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 valuepytest 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，详情请阅读 "pytest fixtures: explicit, modular, scalable"。
现在我也找了很多测试的朋友，做了一个分享技术的交流群，共享了很多我们收集的技术文档和视频教程。
如果你不想再体验自学时找不到资源，没人解答问题，坚持几天便放弃的感受
可以加入我们一起交流。而且还有很多在自动化，性能，安全，测试开发等等方面有一定建树的技术大牛
分享他们的经验，还会分享很多直播讲座和技术沙龙
可以免费学习！划重点！开源的！！！
qq群号：485187702【暗号：csdn11】
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.xfail
def test_mark_xfail():
...关于跳过测试和预计失败的更多玩法，参见 "Skip and xfail: dealing with tests that cannot succeed"
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-0.8.0
rootdir: /Users/prodesire/projects/tests, inifile:
plugins: cov-2.6.0
collected 3 items
test.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) == expected
E AssertionError: assert 54 == 42
E + 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。关于插件的使用，参见 "Installing and Using plugins"。
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。关于插件的编写，参见 "Writing plugins"。
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：
| unittest | nose | nose2 | pytest | |
|---|---|---|---|---|
| 自动发现用例 | ✔ | ✔ | ✔ | ✔ |
| 指定（各级别）用例执行 | ✔ | ✔ | ✔ | ✔ |
| 支持 assert 断言 | 弱 | 弱 | 弱 | 强 |
| 测试夹具 | ✔ | ✔ | ✔ | ✔ |
| 测试夹具种类 | 前置和清理 | 前置和清理 | 前置和清理 | 前置、清理、内置各类 fixtures，自定义各类 fixtures |
| 测试夹具生效级别 | 方法、类、模块 | 方法、类、模块 | 方法、类、模块 | 方法、类、模块、包、会话 |
| 支持跳过测试和预计失败 | ✔ | ✔ | ✔ | ✔ |
| 子测试 | ✔ | ✔ | ✔ | ✔ |
| 测试结果输出 | 一般 | 较好 | 较好 | 好 |
| 插件 | - | 较丰富 | 一般 | 丰富 |
| 钩子 | - | - | ✔ | ✔ |
| 社区生态 | 作为标准库，由官方维护 | 停止维护 | 维护中，活跃度低 | 维护中，活跃度高 |
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（如大名鼎鼎的 requests）都是使用 pytest 作为单元测试框架。甚至，连 nose2 在 官方文档上都建议大家使用 pytest，这得是多大的敬佩呀！
最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走！ 希望能帮助到你！【100%无套路免费领取】
