作者：HelloGitHub-Prodesire

一、介绍

本篇文章是《聊聊 Python 的单元测试框架》的第三篇，前两篇分别介绍了标准库 unittest 和第三方单元测试框架 nose。作为本系列的最后一篇，压轴出场的是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 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

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 value

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 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():

...

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！

『讲解开源项目系列』——让对开源项目感兴趣的人不再畏惧、让开源项目的发起者不再孤单。跟着我们的文章，你会发现编程的乐趣、使用和发现参与开源项目如此简单。欢迎留言联系我们、加入我们，让更多人爱上开源、贡献开源～