跳至主要內容

Pytest

Someone大约 8 分钟

Pytest

总结一下 Pytest 和 Python Unitest 相关的基础用法和学习心得。

Pytest 的官方文档open in new window

Pytest 入门

捕获异常

使用 pytest.raise() 来捕获异常。

# 官方示例
# test_raises.py

def test_raises():
    with pytest.raises(TypeError) as e:
        connect('localhost', '6379')
    exec_msg = e.value.args[0]
    assert exec_msg == 'port type must be int'

标记函数 pytest.mark

默认情况下,pytest 会递归查找当前目录下所有以 test 开始或结尾的 Python 脚本,并执行文件内的所有以 test 开始或结束的函数和方法。

标记函数的作用是在某些情况下,我们只想执行指定的测试函数,所以可以使用 ptest.mark 进行标记。

# 官方示例
# test_with_mark.py

@pytest.mark.finished
def test_func1():
    assert 1 == 1

@pytest.mark.unfinished
def test_func2():
    assert 1 != 1

然后在命令行中使用 -m 选择标记的函数:

pytest -m finished test_with_mark.py

pytest -m "finished and commit"

一个函数可以打多个标记,多个函数也可以打相同的标记;具体多个标记的执行如上代码所示。

提示

除此之外,pytest 还有一些其他的方法可以指定要测试的具体函数,如 ::: 标记和 -k 模糊匹配等,不太常用,具体用法可以参考官方文档。

跳过测试 pytest.mark.skip

可以使用标记 pytest.mark.skip 来指定要跳过的测试,具体用法如下:

  1. 标记要跳过的函数
# test_skip.py

@pytest.mark.skip(reason='out-of-date api')
def test_connect():
    pass

# test_skip.py s                                       [100%]

执行后命令行显示 s 就表示测试被跳过(SKIPPED)。

  1. 指定被忽略的条件
@pytest.mark.skipif(conn.__version__ < '0.2.0',
                    reason='not supported until v0.2.0')
def test_api():
    pass

预见的错误 pytest.mark.xfail

如果我们事先知道测试函数会执行失败,但又不想直接跳过,而是希望显式地提示。

此时可以使用 pytest.mark.xfail 实现预见错误功能:

# test_xfail.py

@pytest.mark.xfail(gen.__version__ < '0.2.0',
                   reason='not supported until v0.2.0')
def test_api():
    id_1 = gen.unique_id()
    id_2 = gen.unique_id()
    assert id_1 != id_2

# pytest test_xfail.py
# test_xfail.py x                                      [100%]

执行后命令行显示 x 就表示预见的失败(XFAIL)。

需要注意,如果提示大写的 X, 则说明预见的是失败,但实际运行测试却成功通过(XPASS)。

参数化 pytest.mark.parametrize

参数化测试可以保证每组参数都独立进行一次测试,比如关于不同密码返回不同结果要如何测试,示例代码如下:

# test_parametrize.py

@pytest.mark.parametrize('passwd',
                      ['123456',
                       'abcdefdfs',
                       'as52345fasdf4'])
def test_passwd_length(passwd):
    assert len(passwd) >= 8

这段代码总共可以进三次测试,如返回 F..

除此之外,还可以传入多组参数进行参数化校验,并且使用 pytest.paramid 参数进行自定义,这样就能很方便地查看是哪个参数通过,哪个没通过。

# test_parametrize.py

@pytest.mark.parametrize('user, passwd',
                         [pytest.param('jack', 'abcdefgh', id='User<Jack>'),
                          pytest.param('tom', 'a123456a', id='User<Tom>')])
def test_passwd_md5_id(user, passwd):
    db = {
        'jack': 'e8dc4081b13434b45189a720b77b6818',
        'tom': '1702a132e769a623c1adb78353fc9503'
    }

    import hashlib

    # abcdefgh = e8dc4081b13434b45189a720b77b6818
    assert hashlib.md5(passwd.encode()).hexdigest() == db[user]

fixture 固件

主要为 fixture 固件相关的操作。

fixture 定义

fixture 在 pytest 中表现为一个装饰器,在 JAVA 中,fixture 是这么定义的:

JUnit 提供了编写测试前准备、测试后清理的固定代码,我们称之为 Fixture。

在 pytest 中,固件的作用是在执行测试函数之前(或之后)加载运行的函数;我们可以使用固件做任何事情。

# test_postcode.py

@pytest.fixture()
def postcode():
    return '010'

def test_postcode(postcode):
    assert postcode == '010

这种是在测试脚本中直接使用固件的例子,一般而言,如果我们希望固件可以在更大程度上服用,可以对固件进行集中管理。

pytest 使用 conftest.py 集中管理固件。

pytest 官方提示

在复杂的项目中,可以在不同的目录层级定义 conftest.py,其作用域为其所在的目录和子目录。

预处理和后处理

pytest 使用 yield 关键词将固件分为两个部分,其之前的代码属于预处理,之后的代码属于后处理。

可以使用 -s 参数阻止消息被吞,使用 --setup-show 选项跟踪更细额固件执行。

$ pytest -s test_demo.py
$ pytest --setup-show test_demo.py

作用域

作用域可以用来指定固件的作用范围,默认的作用域为 function

@pytest.fixture(scope='function')
def func_scope():
    pass


@pytest.fixture(scope='module')
def mod_scope():
    pass


@pytest.fixture(scope='session')
def sess_scope():
    pass


@pytest.fixture(scope='class')
def class_scope():
    pass

可以看出,上面的作用域作用于函数,要是想对类使用作用域,如下:

# test_scope.py

@pytest.mark.usefixtures('class_scope')
class TestClassScope:
    def test_1(self):
        pass

    def test_2(self):
        pass

pytest 作用域,官方文档

在定义固件时,通过 scope 参数声明作用域,可选项有:

  • function: 函数级,每个测试函数都会执行一次固件;
  • class: 类级别,每个测试类执行一次,所有方法都可以使用;
  • module: 模块级,每个模块执行一次,模块内函数和方法都可使用;
  • session: 会话级,一次测试只执行一次,所有被找到的函数和方法都可用。

自动执行

在定义固件时指定 autouse 参数,即可让固件自动执行。

如可以在测试时统计测试的耗时,下面是两个自动计时固件,一个用于统计每个函数运行时间(function 作用域),一个用于计算测试总耗时(session 作用域):

<<< @/docs/.vuepress/code/demo/pytest_autouse_demo.py

重命名

固件的默认名称为定义时的函数名,可以通过 name 选项指定名称:

# test_rename.py

@pytest.fixture(name='age')
def calculate_average_age():
    return 28

def test_age(age):
    assert age == 28

参数化

固件参数化结合了前面 pytest 参数化的用法。

与函数参数化使用 @pytest.mark.parametrize 不同,固件在定义时使用 params 参数进行参数化。

固件参数化需要使用 pytest 内置的固件 request,并通过 request.param 获取参数。

使用 pytest 的固件参数化连接两个不同数据库的示例如下所示:

@pytest.fixture(params=[
    ('redis', '6379'),
    ('elasticsearch', '9200')
])
def param(request):
    return request.param


@pytest.fixture(autouse=True)
def db(param):
    print('\nSucceed to connect %s:%s' % param)

    yield

    print('\nSucceed to close %s:%s' % param)


def test_api():
    assert 1 == 1

"""
tests\fixture\test_parametrize.py
Succeed to connect redis:6379
.
Succeed to close redis:6379

Succeed to connect elasticsearch:9200
.
Succeed to close elasticsearch:9200
"""

这边的操作使用固件抽离出数据库的通用操作,使得每个 API 都能复用这些数据库固件,同时也提高了可维护性。

TODO

这边可以考虑使用固件的参数化进行代码重构,精简代码

内置固件

pytest 中有很多实用的内置固件,在这记录一下,具体可以查阅官方文档。

  • tmpdir & tmpdir_factory:

    使用 tmpdir.mkdir() 创建目临时录,tmpdir.join() 创建临时文件(或者使用创建的目录)。

  • pytestconfig

    使用 pytestconfig,可以很方便的读取命令行参数和配置文件。(conftest.py 中使用函数 pytest_addoption, 通过 pytestconfig 获取命令行参数)

  • capsys

    capsys 用于捕获 stdoutstderr 的内容,并临时关闭系统输出。

  • monkeypatch

    monkeypath 用于运行时动态修改类或模块。

    TODO

    这个很重要,需要好好理解,看以后是否有用:https://learning-pytest.readthedocs.io/zh/latest/doc/fixture/builtin-fixture.htmlopen in new window

  • recwarn

    recwarn 用于捕获程序中 warnings 产生的警告。

单元测试

基本例子

举个基本的用例:

import unittest

class WidgetTestCase(unittest.TestCase):
    def setUp(self):
        self.widget = Widget('The widget')

    def test_default_widget_size(self):
        self.assertEqual(self.widget.size(), (50,50),
                         'incorrect default size')

    def test_widget_resize(self):
        self.widget.resize(100,150)
        self.assertEqual(self.widget.size(), (100,150),
                         'wrong size after resize')
    
    def tearDown(self):
        self.widget.dispose()
        
if __name__ == '__main__':
    unittest.main()

skip 测试用例

以下内容均可以跳过:

class Test(unittest.TestCase):

    @unittest.skip("skip it")
    def test_1(self):
        print('1')

    @unittest.skipIf(1 < 2, '前面条件成立,跳过')
    def test_2(self):
        print('2')

    @unittest.skipUnless(1 > 2, '前面条件为 False 跳过')
    def test_3(self):
        print('3')

DDT 数据驱动

DDT: Data Drive Test

import unittest
from ddt import ddt
from ddt import data


@ddt
class DdtTest(unittest.TestCase):
    def setUp(self) -> None:
        print('start...')

    def tearDown(self) -> None:
        print('end!')

    @data('a', 'b', 'c')
    def test_1(self, txt):
        print(txt)


if __name__ == '__main__':
    unittest.main(verbosity=2)
    """
    start...
    a
    end!
    start...
    b
    end!
    start...
    c
    end!
    """

从上面的例子中,有几点需要注意的:

  1. setUptesrDown 这两个在每一次测试用例执行的时候都会执行一遍。所以可以看到,我们使用数据驱动了 3 个测试用例,这两个也被执行了三次。

  2. 也可以将测试的数据用在文件中,然后使用文件读取的方式进行读取,而后 unpack,其使用的方式类似于:

    @file_data('ddt.xml')
    def test_xx(self, txt):
        print(txt)
    
  3. 如果需要 unpack 的话,就如下所示:

    # coding=UTF-8
    import unittest
    
    import ddt
    
    
    def read_file():
        params = []
        file = open('test.txt', 'r', encoding='gbk')
        for line in file.readlines():
            params.append(line.strip('\n').split(','))
        return params
    
    
    @ddt.ddt()
    class Test(unittest.TestCase):
        def setUp(self) -> None:
            print('start...')
    
        def tearDown(self) -> None:
            print('end!')
    
        @ddt.data(*read_file())
        @ddt.unpack
        def test_1(self, id, name):
            print(id, name)
    
    
    if __name__ == '__main__':
        unittest.main()
    

    给出要读取文件的内容:

    test.txt

    1,name1
    2,zhanshen
    3,wait
    

DDT + YML

Python 安装 yml 扩展

pip install PyYaml

可以配合 DDT 和 YML 文件来实现数据驱动:

YML 的文件定义不同,在 Python 中解析出来的结果也不同:

  • 嵌套的字典
  • 列表

分别进行说明:

  1. 字典

dicts.yml 的格式如下所示:

<<< @/docs/.vuepress/code/python/dicts.yml

如果使用 Python 进行解析的话,代码可以如下所示:

# coding=UTF-8
import yaml


def read_file():
    file = open('dicts.yml', 'r', encoding='utf-8')
    dic = yaml.load(file, Loader=yaml.FullLoader)
    print(dic)

会输出一个字典:{'name': 'weigao', 'age': 24, 'data': {'a': 1, 'b': 2, 'c': 3, 'd': 4}, 'list': ['a', 'b', 'c', 'd']}

方便观看,转换成 JSON:

<<< @/docs/.vuepress/code/python/dicts.json

  1. 列表

其解析如下所示:

import unittest

import ddt


@ddt.ddt
class Test(unittest.TestCase):
    def setUp(self) -> None:
        print('start...')

    def tearDown(self) -> None:
        print('end!')

    @ddt.file_data('list.yml')
    def test_yml(self, **kwargs):
        print(kwargs['name'],  kwargs['age'])


if __name__ == '__main__':
    unittest.main()

list.yml 的文件内容为:

<<< @/docs/.vuepress/code/python/list.yml

可以解析出来,输出如下:

start...
weigao 24
end!
start...
zhanshen 10089
end!