pytest 是 Python 生态中最主流的测试框架，凭借简洁语法、强大扩展性和丰富插件生态成为首选工具。涵盖环境搭建、核心概念（Fixture、参数化、标记）、实战案例（计算器项目）及企业级最佳实践。通过对比 unittest 展示优势，介绍代码覆盖率、HTML 报告及并行测试等进阶功能，帮助开发者快速构建可靠测试套件并集成至 CI/CD 流程。
pytest 是 Python 生态中最主流的测试框架，由 Holger Krekel 主导开发，凭借简洁语法、强大扩展性和丰富插件生态，成为 TDD（测试驱动开发）、BDD（行为驱动开发）及自动化测试的首选工具。截至 2025 年，pytest 8.3.2 版本已实现异步测试优化、类型提示深度集成等增强功能，PyPI 累计下载量突破 12 亿次。
在 Python 内置的 unittest 之外，pytest 解决了传统测试框架的诸多痛点，尤其适配现代项目的开发节奏。
assertself.assertEqualsetUp/tearDown，支持函数/类/模块/会话级别的测试资源管理，灵活性远超传统钩子。| 对比维度 | unittest（Python 内置） | pytest（第三方框架） |
|---|---|---|
| 用例编写 | 必须继承 unittest.TestCase，使用固定断言方法（如 self.assertIn） | 普通函数/类均可，支持原生 assert + 丰富断言表达式 |
| 测试资源管理 | 固定 setUp/tearDown 方法，仅支持类级别复用 | Fixture 装饰器，支持多级别复用（函数/类/模块/会话） |
| 用例发现 | 需通过 unittest.main() 或 TestLoader 手动加载 | 自动发现 test_*.py / *_test.py 及 test_* 函数/方法 |
| 报告能力 | 仅支持基础文本输出，无可视化能力 | 内置详细文本报告，插件支持 HTML/JSON/Allure 等格式 |
| 异常测试 | 需使用 self.assertRaises 上下文管理器 | pytest.raises 支持异常信息匹配，更灵活 |
| 扩展能力 | 无插件机制，扩展需修改源码或继承类 | 完善插件生态，支持自定义标记、钩子函数 |
结论：小型脚本可用 unittest 快速测试，但中大型项目、自动化测试场景下，pytest 的开发效率和维护成本优势极其明显。
# 1. 基础安装（核心框架）
pip install pytest==8.3.2
# 指定版本避免兼容性问题
# 2. 实战必备套件（覆盖率 + 报告 + 并行测试）
pip install pytest-cov==4.1.0 # 代码覆盖率统计
pip install pytest-html==3.2.0 # HTML 测试报告
pip install pytest-xdist==3.3.1 # 并行测试加速
pip install pytest-asyncio==0.23.2 # 异步测试支持
# 3. 验证安装成功
pytest --version
# 输出：pytest 8.3.2
遵循「源码与测试分离」原则，构建可扩展的项目结构（以计算器项目为例）：
my_calculator/ # 项目根目录
├── src/ # 被测试源码目录
│ ├── __init__.py # 标识 Python 包
│ └── calculator.py # 计算器核心代码
├── tests/ # 测试用例目录
│ ├── __init__.py
│ └── test_calculator.py # 计算器测试用例
├── pytest.ini # pytest 配置文件（可选，推荐）
└── requirements.txt # 依赖清单
创建依赖清单 requirements.txt，方便团队协作：
pytest==8.3.2
pytest-cov==4.1.0
pytest-html==3.2.0
pytest-xdist==3.3.1
pytest-asyncio==0.23.2
pytest 无需配置即可自动发现测试用例，核心遵循以下命名规范：
test_ 开头（如 test_calculator.py）或 _test 结尾（如 calculator_test.py）test_ 开头（如 test_add()）Test 开头（如 TestCalculator），且类内无 __init__ 方法src/ 目录实现核心功能（如计算器的加减乘除）tests/ 目录编写对应测试用例，使用 assert 断言结果以实现「支持加减乘除及异常处理」的计算器为例，完整演示从编码到测试的全过程。
创建 src/calculator.py，实现基础运算及异常处理：
"""计算器核心模块，支持加减乘除运算"""
def add(a: float, b: float) -> float:
"""加法运算"""
return a + b
def subtract(a: float, b: float) -> float:
"""减法运算"""
return a - b
def multiply(a: float, b: float) -> float:
"""乘法运算"""
return a * b
def divide(a: float, b: float) -> float:
"""除法运算
异常处理：
- 除数为 0 时抛出 ValueError
- 输入非数字时由 Python 原生抛出 TypeError
"""
if b == 0:
raise ValueError("错误：除数不能为 0")
return a / b
def power(base: float, exponent: float) -> float:
"""幂运算（扩展功能）"""
return base ** exponent
创建 tests/test_calculator.py，针对核心功能编写测试用例，覆盖正常场景、边界值、异常场景：
"""计算器测试用例，覆盖所有核心功能"""
import pytest
from src.calculator import add, subtract, multiply, divide, power
# ---------------------- 基础运算测试 ----------------------
def test_add():
"""测试加法：覆盖正数、负数、零、浮点数场景"""
# 正常场景
assert add(2, 3) == 5
# 边界场景：负数
assert add(-1, 1) == 0
# 边界场景：零
assert add(0, 0) == 0
# 浮点数场景（注意：浮点数比较需用近似断言）
assert add(0.1, 0.2) == pytest.approx(0.3, rel=1e-9)
def test_subtract():
"""测试减法：覆盖基本场景和负数结果"""
assert subtract(5, 3) == 2
assert subtract(3, 5) == -2
assert subtract(-3, -5) == 2
def test_multiply():
"""测试乘法：覆盖正数、负数、零"""
assert multiply(4, 5) == 20
assert multiply(-2, 3) == -6
assert multiply(0, 100) == 0
def test_divide_success():
"""测试除法成功场景"""
assert divide(10, 2) == 5.0
assert divide(7, 3) == pytest.approx(2.3333333333)
def test_divide_zero_error():
"""测试除法异常：除数为 0 时抛出 ValueError"""
# 断言抛出指定异常，且异常信息匹配
with pytest.raises(ValueError, match="错误：除数不能为 0"):
divide(10, 0)
# ---------------------- 进阶功能测试 ----------------------
def test_power():
"""测试幂运算：覆盖正数、负数、零次幂"""
assert power(2, 3) == 8
assert power(2, 0) == 1
assert power(-2, 2) == 4
assert power(4, 0.5) == 2.0
# 1. 运行所有测试（项目根目录执行）
pytest
# 2. 详细模式运行（显示每个用例执行结果）
pytest -v
# 3. 运行指定测试文件
pytest tests/test_calculator.py -v
# 4. 运行指定测试函数（文件路径::函数名）
pytest tests/test_calculator.py::test_add -v
# 5. 运行指定测试类（若用类组织用例）
pytest tests/test_calculator.py::TestCalculator -v
collected 6 items
tests/test_calculator.py::test_add PASSED
tests/test_calculator.py::test_subtract PASSED
tests/test_calculator.py::test_multiply PASSED
tests/test_calculator.py::test_divide_success PASSED
tests/test_calculator.py::test_divide_zero_error PASSED
tests/test_calculator.py::test_power PASSED
======================== 6 passed in 0.02s ========================
结果说明：
PASSED：用例执行成功FAILED：用例执行失败（会显示断言详情）SKIPPED：用例被跳过（需配合标记使用）ERROR：用例本身代码错误（非断言失败）掌握以下功能，可大幅提升测试效率和用例质量，适配企业级项目需求。
针对同一功能的多组输入输出场景，使用 @pytest.mark.parametrize 装饰器实现批量测试，避免重复编码。
import pytest
from src.calculator import add, divide
# 1. 基础参数化：(输入 1, 输入 2, 预期结果)
@pytest.mark.parametrize("a, b, expected",
[(2, 3, 5), # 正数
(-1, 1, 0), # 正负抵消
(0, 0, 0), # 零
(0.1, 0.2, 0.3),# 浮点数
(100, -50, 50)]) # 大数与负数
def test_add_parametrize(a, b, expected):
"""参数化测试加法，覆盖多场景"""
assert add(a, b) == pytest.approx(expected)
# 2. 异常场景参数化：(输入 1, 输入 2, 预期异常，异常信息)
@pytest.mark.parametrize("a, b, exc_type, exc_msg",
[(10, 0, ValueError, "错误：除数不能为 0"),
(5, "0", TypeError, "unsupported operand type(s) for /: 'int' and 'str'")])
def test_divide_exception_parametrize(a, b, exc_type, exc_msg):
"""参数化测试除法异常场景"""
with pytest.raises(exc_type, match=exc_msg):
divide(a, b)
浮点数比较陷阱：直接用 assert 0.1+0.2 == 0.3 会失败（浮点精度问题），必须用 pytest.approx() 进行近似比较。
Fixture 是 pytest 最强大的功能之一，用于封装测试过程中重复使用的资源（如测试数据、数据库连接、临时文件等），支持多级别复用。
import pytest
from src.calculator import add
# 1. 定义 Fixture：返回测试用的数据集
@pytest.fixture
def add_test_data():
"""加法测试数据集：(a, b, expected)"""
return [(2, 3, 5), (-1, 1, 0), (0.1, 0.2, 0.3)]
# 2. 在测试函数中使用 Fixture（直接作为参数传入）
def test_add_with_fixture(add_test_data):
"""使用 Fixture 数据测试加法"""
for a, b, expected in add_test_data:
assert add(a, b) == pytest.approx(expected)
通过 scope 参数指定 Fixture 作用域，减少资源重复创建销毁的开销：
# 作用域：function（默认）- 每个测试函数执行一次
@pytest.fixture(scope="function")
def func_scope_fixture():
print("\n函数级 Fixture：每次测试函数执行")
return "func_data"
# 作用域：class - 每个测试类执行一次
@pytest.fixture(scope="class")
def class_scope_fixture():
print("\n类级 Fixture：每个测试类执行一次")
return "class_data"
# 作用域：module - 每个测试文件执行一次
@pytest.fixture(scope="module")
def module_scope_fixture():
print("\n模块级 Fixture：每个测试文件执行一次")
return "module_data"
# 作用域：session - 整个测试会话执行一次（所有文件共用）
@pytest.fixture(scope="session")
def session_scope_fixture():
print("\n会话级 Fixture：整个测试会话执行一次")
return "session_data"
# 测试类
class TestCalculator:
def test_fixture_class(self, class_scope_fixture, func_scope_fixture):
assert class_scope_fixture == "class_data"
def test_fixture_func(self, func_scope_fixture):
assert func_scope_fixture == "func_data"
若多个测试文件需要共用 Fixture，可在 tests/ 目录创建 conftest.py 文件（无需导入，pytest 自动识别）：
# tests/conftest.py
import pytest
@pytest.fixture(scope="session")
def global_test_data():
"""全局测试数据，所有测试文件均可使用"""
return {"add": [(2, 3, 5), (-1, 1, 0)], "divide": [(10, 2, 5.0), (7, 3, 2.3333333)]}
所有测试文件可直接使用该 Fixture，无需导入：
# tests/test_calculator.py
from src.calculator import add
def test_add_global_fixture(global_test_data):
"""使用 conftest.py 中的全局 Fixture"""
for a, b, expected in global_test_data["add"]:
assert add(a, b) == expected
使用 @pytest.mark.标记名 为测试用例分类，实现「按需执行」（如区分单元测试/集成测试、快速测试/慢测试）。
import pytest
from src.calculator import power
# 1. 标记测试用例
@pytest.mark.unit
# 标记为单元测试
def test_add():
assert add(2, 3) == 5
@pytest.mark.integration
# 标记为集成测试
def test_power_complex():
"""复杂幂运算，执行耗时较长"""
assert power(10, 100) == 10**100
@pytest.mark.slow
# 标记为慢测试
def test_large_data_calc():
"""大数据量计算测试"""
for i in range(10000):
add(i, i+1)
assert True
在 pytest.ini 中注册自定义标记，避免运行时警告：
[pytest]
# 注册自定义标记
markers =
unit: 单元测试用例
integration: 集成测试用例
slow: 执行耗时较长的测试用例
# 默认运行参数（可选）
addopts = -v
# 1. 运行标记为 unit 的测试
pytest -m unit
# 2. 运行 unit 或 integration 标记的测试
pytest -m "unit or integration"
# 3. 运行非 slow 标记的测试（排除慢测试）
pytest -m "not slow"
# 4. 结合文件路径使用
pytest tests/test_calculator.py -m unit
通过 pytest-cov 统计代码覆盖率，确保测试覆盖核心逻辑；通过 pytest-html 生成可视化报告，便于团队协作和问题定位。
# 1. 基础覆盖率统计（终端输出）
pytest --cov=src
# --cov=源码目录
# 2. 生成 HTML 覆盖率报告（打开 htmlcov/index.html 查看）
pytest --cov=src --cov-report=html
# 3. 生成覆盖率阈值（要求覆盖率≥90%，否则测试失败）
pytest --cov=src --cov-fail-under=90
# 4. 排除无需覆盖的文件（如__init__.py）
pytest --cov=src --cov-exclude=src/__init__.py
# 生成 HTML 报告（报告文件在 reports/目录下）
pytest --html=reports/test_report.html --self-contained-html
报告特点：包含用例执行结果、失败详情、执行时间，支持搜索和筛选，可直接发送给团队。
当测试用例数量达到数百/数千个时，使用 pytest-xdist 实现并行执行，大幅缩短测试时间。
# 1. 自动根据 CPU 核心数并行（-n auto）
pytest -n auto
# 2. 指定并行进程数（如 4 个进程）
pytest -n 4
# 3. 结合覆盖率和报告使用
pytest -n auto --cov=src --html=reports/test_report.html
注意：并行测试要求用例之间完全独立（无共享状态，如全局变量、数据库连接），否则会出现随机失败。
test_add_negative 专门测试负数加法）random_state）test_add_negative_numbers_returns_correct_result）db_connection_fixture）.github/workflows/test.yml：name: Python Tests
on: [push, pull_request]
jobs:
test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: "3.11"
- name: Install dependencies
run: |
python -m pip install --upgrade pip
pip install -r requirements.txt
- name: Run tests with coverage
run: pytest --cov=src --cov-fail-under=90 --html=reports/test_report.html
- name: Upload report
uses: actions/upload-artifact@v4
with:
name: test-report
path: reports/
| 常见陷阱 | 问题原因 | 解决方案 |
|---|---|---|
| 浮点数比较失败 | 计算机浮点精度误差（如 0.1+0.2=0.30000000000000004） | 使用 pytest.approx(0.3, rel=1e-9) 近似比较 |
| 测试用例顺序依赖 | 用例 A 修改了全局变量，用例 B 依赖该变量 | 1. 用 Fixture 在每个用例前重置状态；2. 禁用并行测试；3. 使用 pytest-randomly 随机执行顺序 |
| Fixture 重复执行耗时 | 数据库连接等重资源 Fixture 按默认 function 作用域执行 | 将 Fixture 作用域提升为 module 或 session，配合 yield 实现资源回收 |
| 自定义标记警告 | 使用未在 pytest.ini 中注册的标记 | 在 pytest.ini 的 markers 字段中注册标记并说明用途 |
| 覆盖率统计不准确 | 1. 未指定源码目录；2. 包含了测试代码本身；3. 存在条件分支未覆盖 | 1. 明确 --cov=src；2. 排除测试目录；3. 查看 HTML 覆盖率报告补充未覆盖分支 |
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online