做pc端网站市场小红书seo

unittest 是 Python 自带的单元测试框架，用于编写和运行可重复的测试用例。它的核心思想是通过断言（assertions）验证代码的行为是否符合预期。以下是 unittest 的基本使用方法：

---

1. 基本结构

1.1 创建测试类

• 继承 unittest.TestCase，每个测试用例对应一个方法。
• 测试方法必须 以 test_ 开头，否则不会被自动识别为测试用例。

import unittestclass TestMathOperations(unittest.TestCase):def test_addition(self):self.assertEqual(1 + 1, 2)  # 断言 1+1=2

1.2 前置与后置方法

• setUp(): 在每个测试方法执行前运行（如初始化资源）。
• tearDown(): 在每个测试方法执行后运行（如清理资源）。
• setUpClass() / tearDownClass(): 在整个测试类的开始/结束时运行（需用 @classmethod 修饰）。

class TestExample(unittest.TestCase):@classmethoddef setUpClass(cls):print("整个测试类开始前执行")def setUp(self):print("每个测试方法开始前执行")def test_example(self):self.assertTrue(True)def tearDown(self):print("每个测试方法结束后执行")@classmethoddef tearDownClass(cls):print("整个测试类结束后执行")

---

2. 断言方法

unittest 提供了丰富的断言方法，常用如下：

方法	说明
assertEqual(a, b)	检查 a == b
assertTrue(x)	检查 x 为 True
assertFalse(x)	检查 x 为 False
assertRaises(Error, func, *args)	检查函数 func 是否抛出 Error 异常
assertIn(a, b)	检查 a 在 b 中
assertIsNone(x)	检查 x 是 None

def test_assertions(self):self.assertEqual(3 * 3, 9)self.assertIn(2, [1, 2, 3])with self.assertRaises(ZeroDivisionError):_ = 1 / 0

---

3. 运行测试

3.1 通过代码运行

在脚本末尾添加：

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

3.2 通过命令行运行

# 运行单个测试模块
python -m unittest test_module.py# 自动发现并运行所有测试（推荐）
python -m unittest discover

3.3 指定运行特定测试

# 运行单个测试类
python -m unittest test_module.TestClass# 运行单个测试方法
python -m unittest test_module.TestClass.test_method

---

4. 测试套件（Test Suite）

手动组织多个测试用例：

suite = unittest.TestSuite()
suite.addTest(TestMathOperations("test_addition"))
suite.addTest(TestExample("test_example"))runner = unittest.TextTestRunner()
runner.run(suite)

---

5. 高级用法

5.1 跳过测试

使用装饰器跳过某些测试：

@unittest.skip("跳过原因")
def test_skipped(self):self.fail("不会执行")@unittest.skipIf(condition, "条件满足时跳过")
def test_conditional_skip(self):pass

5.2 参数化测试

unittest 本身不支持参数化，但可通过第三方库（如 parameterized）实现：

from parameterized import parameterizedclass TestParameterized(unittest.TestCase):@parameterized.expand([(2, 3, 5),(0, 0, 0),])def test_add(self, a, b, expected):self.assertEqual(a + b, expected)

5.3 Mock 对象

使用 unittest.mock 模拟外部依赖：

from unittest.mock import Mockdef test_mock(self):mock_obj = Mock(return_value=42)self.assertEqual(mock_obj(), 42)

---

6. 示例项目结构

project/
├── my_code.py       # 被测试的代码
└── tests/├── __init__.py└── test_code.py # 测试代码

---

总结

unittest 是 Python 测试的基石，适合中小型项目。对于复杂场景，可以结合第三方库（如 pytest）增强功能。核心步骤：

1. 继承 TestCase 编写测试类。
2. 使用 test_ 前缀定义测试方法。
3. 通过断言验证逻辑。
4. 利用 setUp()/tearDown() 管理资源。
5. 运行测试并分析结果。

pytest 是 Python 中最流行的第三方测试框架，以其简洁的语法、强大的功能和灵活的扩展性著称。相比 unittest，pytest 更注重代码的可读性和可维护性，同时支持丰富的插件生态系统。以下是 pytest 的核心使用方法：

---

1. 安装 pytest

pip install pytest

---

2. 基本用法

2.1 编写测试函数

• 测试函数名需以 test_ 开头（或 _test 结尾）。
• 断言直接使用 Python 原生 assert 语句，无需记忆特定断言方法。

# test_sample.py
def test_addition():assert 1 + 1 == 2def test_list_contains():numbers = [1, 2, 3]assert 2 in numbers

2.2 运行测试

# 运行当前目录所有测试
pytest# 运行指定文件
pytest test_sample.py# 运行指定函数
pytest test_sample.py::test_addition# 显示详细输出（-v 显示用例名称，-s 打印输出）
pytest -v -s

---

3. 断言增强

pytest 的断言失败信息更直观，能自动展示上下文差异（如列表、字典比较）：

def test_failure_example():expected = {"a": 1, "b": 2}actual = {"a": 1, "b": 3}assert expected == actual

运行后输出：

AssertionError: assert {'a': 1, 'b': 2} == {'a': 1, 'b': 3}Differing items:{'b': 2} != {'b': 3}

---

4. Fixture（依赖注入）

pytest 的 fixture 机制用于管理测试的依赖资源（如数据库连接、临时文件），支持复用和共享。

4.1 定义 Fixture

import [e-mail]
def database_connection():conn = create_db_connection()  # 初始化资源yield conn                     # 返回资源conn.close()                   # 清理资源

4.2 使用 Fixture

在测试函数中通过参数名直接调用：

def test_query(database_connection):result = database_connection.query("SELECT * FROM users")assert len(result) > 0

4.3 Fixture 作用域

通过 scope 参数控制生命周期：

@pytest.fixture(scope="module")  # 作用域：模块级（每个模块执行一次）
def shared_resource():return initialize_resource()

---

5. 参数化测试

使用 @pytest.mark.parametrize 对单条测试用例注入多组参数，避免重复代码。

import [e-mail]("a, b, expected", [(2, 3, 5),(0, 0, 0),(-1, 5, 4),
])
def test_add(a, b, expected):assert a + b == expected

---

6. 测试异常

使用 pytest.raises 捕获并验证异常：

def test_division_by_zero():with pytest.raises(ZeroDivisionError):_ = 1 / 0

---

7. Mock 对象（依赖隔离）

使用 pytest-mock 插件（基于 unittest.mock）模拟外部依赖：

pip install pytest-mock

示例：

def test_mocking(mocker):mock_requests = mocker.patch("requests.get")  # 模拟 requests.getmock_requests.return_value.status_code = 200response = requests.get("https://api.example.com")assert response.status_code == 200

---

8. 插件扩展

pytest 支持丰富的插件，例如：

• pytest-cov: 测试覆盖率统计
• pytest-xdist: 并行运行测试
• pytest-django: Django 项目集成
• pytest-asyncio: 异步测试支持

安装插件：

pip install pytest-cov pytest-xdist

---

9. 项目结构

project/
├── src/                  # 源代码
│   └── my_module.py
└── tests/               # 测试代码├── __init__.py├── conftest.py      # 全局 Fixture 定义├── test_core.py└── test_api.py

---

10. 与 unittest 兼容

pytest 可以直接运行 unittest 风格的测试用例：

# test_unittest_style.py
import unittestclass TestOldCode(unittest.TestCase):def test_legacy(self):self.assertEqual(1 + 1, 2)

运行：

pytest test_unittest_style.py

---

11. 高级功能

• 标记（Markers）：
  用 @pytest.mark 对测试分类（如跳过、标记为慢测试）：

  @pytest.mark.skip(reason="尚未实现")
  def test_unimplemented():assert [e-mail]
  def test_long_running():# 耗时操作pass
  

  运行指定标记的测试：

  pytest -m slow    # 只运行标记为 slow 的测试
  pytest -m "not slow"  # 排除 slow 测试
  

• Hook 函数：
  自定义 pytest 行为（如修改报告输出）。

---

总结

pytest 的优势：

1. 简洁性：使用原生 assert，减少样板代码。
2. 灵活性：Fixture 机制优雅管理测试依赖。
3. 扩展性：通过插件支持复杂场景（如异步、分布式测试）。
4. 兼容性：无缝运行 unittest 和 nose 测试。

适合从简单脚本到大型项目的全场景测试需求。