Pytest vs unittest：Python单元测试框架对比与实践

1. 为什么选择Pytest而不是unittest？

作为一个在测试领域摸爬滚打多年的老手，我至今记得第一次接触Python单元测试时的困惑。那时候团队都在用unittest，但每次写测试用例都像是在写Java代码——必须继承TestCase类、方法名必须以test开头、断言方法名长得离谱...直到发现了Pytest，我才意识到原来测试可以如此优雅。

Pytest最打动我的核心优势在于它的"零配置"理念。你只需要创建一个以test_开头的.py文件，在里面写几个以test_开头的函数，然后直接运行pytest命令——不需要继承任何类，不需要记住各种assert方法名，甚至不需要导入pytest包！这种极简主义设计让测试代码的可读性提升了至少50%。

举个例子，对比下两种写法的差异：

python复制# unittest风格
import unittest

class TestStringMethods(unittest.TestCase):
    def test_upper(self):
        self.assertEqual('foo'.upper(), 'FOO')
        
    def test_isupper(self):
        self.assertTrue('FOO'.isupper())
        self.assertFalse('Foo'.isupper())

# pytest风格
def test_upper():
    assert 'foo'.upper() == 'FOO'

def test_isupper():
    assert 'FOO'.isupper()
    assert not 'Foo'.isupper()

Pytest的断言机制特别智能——当断言失败时，它会自动展示详细的差异对比。比如当assert user.name == "admin"失败时，控制台会输出：

code复制E       AssertionError: assert 'guest' == 'admin'
E         - guest
E         + admin

2. 环境搭建与基础用法

2.1 安装与配置

安装Pytest简单到令人发指：

bash复制pip install pytest

验证安装是否成功：

bash复制pytest --version

我强烈建议在项目根目录下创建pytest.ini配置文件，这是提升团队协作效率的关键。一个典型的配置如下：

ini复制[pytest]
python_files = test_*.py
python_functions = test_*
addopts = -v --tb=auto

这里的addopts特别实用：

• -v 显示详细输出
• --tb=auto 自动选择简洁的traceback格式
• --cov 如果你安装了pytest-cov，可以在这里添加覆盖率配置

2.2 测试发现规则

Pytest的测试发现机制非常灵活：

• 文件名匹配test_*.py或*_test.py
• 类名匹配Test*且不含__init__方法
• 函数/方法名匹配test_*

我特别喜欢Pytest对测试组织的支持——你可以把测试放在任何地方，只要遵循命名规范。比如：

code复制project/
├── src/
│   └── module.py
└── tests/
    ├── unit/
    │   └── test_module.py
    └── integration/
        └── test_api.py

运行特定测试的几种方式：

bash复制# 运行单个文件
pytest tests/unit/test_module.py

# 运行单个测试函数
pytest tests/unit/test_module.py::test_specific_case

# 运行标记为smoke的测试
pytest -m smoke

3. 高级功能详解

3.1 Fixture：测试依赖管理

Fixture是Pytest最强大的功能之一，它解决了测试中的依赖注入问题。想象一下你需要测试一个数据库操作类，传统方式可能需要在每个测试方法中创建连接——这既重复又低效。

用Fixture可以这样优化：

python复制import pytest
from myapp.database import Database

@pytest.fixture(scope="module")
def db_connection():
    conn = Database.connect("test_db")
    yield conn  # 这是测试执行阶段
    conn.close()  # 这是清理阶段

def test_query1(db_connection):
    result = db_connection.query("SELECT 1")
    assert result == 1

def test_query2(db_connection):
    result = db_connection.query("SELECT 2")
    assert result == 2

Fixture的作用域控制特别实用：

• function (默认)：每个测试函数运行一次
• class：每个测试类运行一次
• module：每个模块运行一次
• session：整个测试会话运行一次

3.2 参数化测试

当需要测试同一功能的不同输入组合时，参数化测试能大幅减少代码量：

python复制import pytest

@pytest.mark.parametrize("input,expected", [
    ("3+5", 8),
    ("2+4", 6),
    ("6*9", 42),  # 故意写错的测试用例
])
def test_eval(input, expected):
    assert eval(input) == expected

运行后会看到清晰的输出：

code复制test_eval[3+5-8] PASSED
test_eval[2+4-6] PASSED
test_eval[6*9-42] FAILED

3.3 Mock与猴子补丁

测试中经常需要模拟外部依赖，Pytest通过monkeypatch fixture提供了优雅的解决方案：

python复制import os

def test_get_home_dir(monkeypatch):
    # 模拟环境变量
    monkeypatch.setenv("HOME", "/fake/dir")
    assert os.environ["HOME"] == "/fake/dir"
    
    # 模拟函数返回值
    monkeypatch.setattr(os, "getcwd", lambda: "/fake/current")
    assert os.getcwd() == "/fake/current"

对于更复杂的模拟场景，可以结合unittest.mock使用：

python复制from unittest.mock import MagicMock

def test_api_call(monkeypatch):
    mock_response = MagicMock()
    mock_response.json.return_value = {"status": "ok"}
    
    monkeypatch.setattr("requests.get", lambda url: mock_response)
    result = call_some_api()
    assert result["status"] == "ok"

4. 实战技巧与常见陷阱

4.1 测试目录结构的最佳实践

经过多个项目的实践，我总结出这样的测试目录结构最合理：

code复制tests/
├── unit/           # 单元测试
│   ├── __init__.py
│   ├── test_models.py
│   └── test_utils.py
├── integration/    # 集成测试
│   ├── test_api.py
│   └── test_db.py
├── functional/     # 功能测试
│   └── test_ui.py
└── conftest.py     # 全局fixture

conftest.py文件特别重要——它允许你在不同层级共享fixture。比如项目级的conftest.py可以定义数据库连接fixture，而某个子目录下的conftest.py可以定义该模块特有的fixture。

4.2 测试性能优化

当测试套件变得庞大时，执行速度会成为痛点。以下是我验证有效的优化手段：

1. 并行执行：

bash复制pytest -n auto  # 根据CPU核心数自动并行

2. 测试分组执行：

bash复制# 先运行快测试
pytest -m "not slow"
# 再运行慢测试
pytest -m slow

3. 重用数据库连接：

python复制@pytest.fixture(scope="session")
def db_engine():
    return create_engine("sqlite:///:memory:")

@pytest.fixture
def db_session(db_engine):
    conn = db_engine.connect()
    transaction = conn.begin()
    yield conn
    transaction.rollback()
    conn.close()

4.3 常见陷阱与解决方案

陷阱1：Fixture循环依赖

python复制@pytest.fixture
def a(b):
    return b + 1

@pytest.fixture
def b(a):
    return a * 2

解决方案：重构fixture设计，避免相互依赖

陷阱2：可变默认参数

python复制@pytest.fixture
def bad_fixture(data=[]):  # 危险！
    data.append(1)
    return data

解决方案：总是使用None作为默认值，在fixture内部初始化：

python复制@pytest.fixture
def good_fixture(data=None):
    if data is None:
        data = []
    data.append(1)
    return data

陷阱3：临时文件未清理

python复制@pytest.fixture
def temp_file():
    path = "/tmp/test_file"
    with open(path, "w") as f:
        f.write("data")
    return path  # 忘记删除！

解决方案：使用tmp_path fixture：

python复制@pytest.fixture
def temp_file(tmp_path):
    path = tmp_path / "test_file"
    path.write_text("data")
    return path