Python测试从未如此简单：pytest全解与实战指南 | pytest

📌 项目地址：pytest-dev/pytest | ⭐ 13,989 颗星 | 🔧 Python | 📜 未标注

为什么需要pytest

Python开发者都知道，写测试是保证代码质量的关键。但传统的unittest要求你写一堆样板代码：定义类、继承TestCase、用self.assertEqual等方法。如果测试逻辑复杂，这些额外结构反而分散了精力。

pytest的出现改变了这一切。它的核心理念是：用最少的代码写最直的测试。你只需要写普通的函数，用assert做断言，然后运行pytest。小到单文件脚本，大到几千个测试用例的项目，它都能胜任。

快速上手：两条命令写出第一个测试

根据官方README，安装pytest只需一条命令（推荐使用虚拟环境）：

pip install -U pytest

新建一个测试文件test_sample.py，写入一个函数：

# content of test_sample.py
def func(x):
    return x + 1

def test_answer():
    assert func(3) == 5

然后在终端运行：

pytest

你会看到清晰的输出，指出哪一行断言失败、实际值和预期值是什么。整个过程不需要继承任何类，不需要调用任何测试运行器。

这就是pytest最直观的魅力：用Python原生的assert，加上自动发现所有test_开头的函数。

核心特性：能平替unittest的几大杀器

1. Fixture——替代setUp/tearDown的更优雅方案

在unittest中，每个测试类都需要写setUp和tearDown方法，如果多个测试类共享资源，还得用setUpClass或setUpModule。pytest的fixture机制则灵活得多：

import pytest

@pytest.fixture
def input_value():
    return 39

def test_divisible_by_3(input_value):
    assert input_value % 3 == 0

fixture可以自动注入到测试函数中，作用范围通过scope参数控制（function/class/module/session），可以返回任何Python对象，还可以互相依赖。

2. 参数化测试——消除重复代码

当需要测试多组输入数据时，unittest要么写多个测试方法，要么用subTest。pytest提供了@pytest.mark.parametrize装饰器：

@pytest.mark.parametrize("test_input,expected", [
    ("3+5", 8),
    ("2+4", 6),
    ("6*9", 42),   # 这个会失败，展示错误
])
def test_eval(test_input, expected):
    assert eval(test_input) == expected

一行装饰器就能生成多个测试用例，每个失败独立显示。

3. 丰富的插件生态

pytest有500+插件，官方文档列出了分类。例如：
– pytest-cov：集成覆盖率统计
– pytest-xdist：并行执行测试
– pytest-mock：无缝使用Mock对象
– pytest-django、pytest-flask：框架专用插件

插件通过pip install安装后自动启用，无需额外配置（大多数情况下）。

4. 自动发现与运行控制

默认从当前目录开始递归查找test_*.py或*_test.py文件，并运行其中的test_*函数和Test*类中的方法。也可以通过-k选择测试：

pytest -k "not slow"   # 跳过标记为slow的测试
pytest -x              # 首次失败后停止
pytest --lf            # 只运行上次失败的测试

与unittest的区别：为什么你该考虑切换

对于已有unittest代码，pytest提供了兼容模式：可以直接运行unittest.TestCase派生的测试，并享受pytest的插件和输出格式。也就是零迁移成本。

注意事项与局限性

1. Python版本要求：pytest 7.x 需要 Python 3.7+，pytest 8.x 需要 Python 3.8+（根据README中setup.py的python_requires）。如果你的项目还在用Python 2.7或3.6，则无法使用最新版。
2. 隐式fixture依赖：fixture通过参数名称自动注入，如果参数名拼写错误，pytest会报告缺少 fixture，这个错误提示比较明确，但刚上手时可能不习惯。
3. 插件冲突：少数插件之间可能存在兼容性问题，建议在项目requirements.txt中固定pytest版本。
4. 大规模测试的性能：相比unittest，pytest自动发现和fixture构建有一定性能开销。但对于大多数项目（数千测试以内）完全无感。如果超过万级别，可以用pytest-xdist并行或--co缓存fixture结果。
5. 非标准测试结构：pytest默认发现规则是基于文件/函数/类命名模式的。如果你的测试文件放在不合规的目录里，需要添加conftest.py或通过--ignore排除。

适宜人群与项目类型

pytest适合任何需要写Python测试的项目：从个人小工具到大型多模块系统、从纯Python库到Django/Flask Web应用、从数据科学脚本到机器学习模型评估。它不挑项目，因为它只负责“运行测试”这件事，而测试内容（数据库、网络、UI等）由其他库或插件处理。

如果你正在维护一个长期项目，以往惯用unittest，那么切换为pytest可以显著减少样板代码、提升可读性，并享受丰富的第三方插件。即使不切换，pytest也能作为运行器直接执行你的unittest用例。

参考链接

• 项目仓库：pytest-dev/pytest
• 官方文档：https://docs.pytest.org
• 插件列表：https://docs.pytest.org/en/stable/plugins.html