pytest，一个可靠的Python库！

写过Python代码的小伙伴们都知道，测试代码是保证代码质量的重要手段。pytest作为Python世界最受欢迎的测试框架，它简单易用又功能强大，确实香得不得了。

安装和基本使用

安装pytest超级简单，一行命令就搞定：

pip install pytest

写个最基础的测试用例试试水：

# test_sample.py

def add(a， b)：

return a + b

def test_add()：

assert add(1， 2) == 3

assert add(-1， 1) == 0

运行测试只需要在命令行输入pytest，它会自动找到所有以test_开头的文件和函数。贼方便！

小贴士：

测试文件名要以test_开头

测试函数也要以test_开头

assert语句失败时，pytest会显示详细的错误信息

测试夹具(fixture)

fixture是pytest的杀手锏，可以帮我们准备测试数据、处理资源清理等琐事：

import pytest

@pytest.fixture

def db_connection()：

print(“连接数据库”)

# 这里假设建立了数据库连接

db = {“connected”：True}

yield db

print(“关闭数据库连接”)

# 这里做清理工作

def test_database(db_connection)：

assert db_connection[“connected”] == True

瞧，用yield把前置和后置操作分开，代码结构多清晰。fixture还能设定作用域，比如session级别只执行一次，function级别每个测试函数都执行。

参数化测试

测试不同的输入输出太麻烦？参数化测试来帮忙：

import pytest

def is_palindrome(s)：

return s == s[：：-1]

(“level”， True)，

(“python”， False)，

(“”， True)，

(“88”， True)

])

def test_is_palindrome(test_input， expected)：

assert is_palindrome(test_input) == expected

一个测试函数搞定多组测试用例，代码量立马少了一大截。

小贴士：

参数名要和装饰器里的参数对应

可以测试边界情况和特殊输入

数据量大的话可以放到外部文件里

mock和打桩

真实环境调用外部API费时费力？mock来模拟：

from unittest.mock import patch

def get_user_data(user_id)：

# 假设这是个调用外部API的函数

pass

def test_get_user()：

with patch('__main__.get_user_data') as mock_get：

mock_get.return_value = {“name”：“猫哥”， “age”：18}

result = get_user_data(1)

assert result[“name”] == “猫哥”

mock_get.assert_called_once_with(1)

mock对象可以设置返回值、记录调用次数、检查调用参数，爽得很！

小贴士：

记得import正确的mock路径

别忘了验证mock是否被正确调用

模拟异常可以用side_effect

测试报告和覆盖率

想看看测试覆盖了多少代码？装个pytest-cov插件：

pip install pytest-cov

pytest --cov=myproject tests/

还能生成漂亮的HTML报告：

pytest --cov=myproject --cov-report=html tests/

代码覆盖率高不代表测试质量好，但低覆盖率一定说明测试不够充分。我建议核心业务代码的覆盖率要保持在80%以上。

写测试代码也是一门学问，pytest的这些功能用好了，能让测试代码变得优雅又好维护。手里有一套靠谱的测试，写代码的时候底气也足了不少。