简单高效！非Python专业人士，快速上手pytest实用教程

最新推荐文章于 2024-05-07 14:34:58 发布

aobulaien001

最新推荐文章于 2024-05-07 14:34:58 发布

阅读量70

点赞数

文章标签： python java windows

本文链接：https://blog.csdn.net/aobulaien001/article/details/133632505

版权

一.虚拟环境与pytest配置

首先你需要准备好pycharm，并且安装好python环境。（mac基本都自带python，3.7.8及其以后的版本都可用）。然后按照以下步骤，配置好虚拟环境。

此时，这个虚拟环境就创建好了，我们可以看到根目录下多了一个橙红色的venv文件夹。

然后我们再创建一个requirements.txt文件，一个pytest.ini文件

# requirements.txt   allure-pytest==2.8.6   allure-python-commons==2.8.6   pytest==6.2.3   pytest-assume==2.2.1   pytest-cov==2.8.1   pytest-cover==3.0.0   pytest-coverage==0.0   pytest-dependency==0.5.1   pytest-forked==1.4.0   pytest-pythonpath==0.7.4   pytest-ordering==0.6   pytest-repeat==0.9.1   pytest-rerunfailures==11.0   pytest-xdist==1.30.0   python-dateutil==2.8.2   retry==0.9.2   retrying==1.3.4

pytest.ini是pytest的运行配置文件。pytest会在运行目录中自动找到文件，并读取配置。这里面预设了一些配置，能省去我们之后在命令行里敲配置。

[pytest]   markers =       p0: 优先级标 marks tests as p0       p1: 优先级标 marks tests as p1       p2: 优先级标 marks tests as p2      python_paths = .   addopts = -v -s --alluredir=reports/ecs --junit-xml=reports/result.xml --import-mode=importlib      python_classes = Test*   python_files = test*   python_functions = test*      # 这里配置一下之后，在allure的界面上，可以看到格式化之后的日志   log_cli = True   log_level = INFO   log_format = %(asctime)s.%(msecs)03d[%(levelname)s]%(pathname)s:%(funcName)s:%(lineno)d: %(message)s   log_date_format = %Y-%m-%d %H:%M:%S   # 虽然pytest自己就可以设置日志相关参数，但是有个大问题，在启用pytest-xdist之后，日志无法输出到控制台   # 这是相关的issue：https://github.com/pytest-dev/pytest-xdist/issues/574   # 因此，我们不得不设置两遍：   # 1. 在pytest侧设置一遍，用于格式化allure中的日志   # 2. 自己用logger.conf来设置一遍logger

最后两步，我们安装一下依赖，并检查一下，目前根目录下应该有这些东西（图1），打开pycharm自带的命令行工具，并运行pip3 install -r requirements.txt（图2）

图1

接着在命令行里输入pytest --version，确认一下pytest是否安装完成

二.PyCharm的配置

打开preferences，按如下设置，然后重启打开这个项目

如果你之前已经有了一些运行配置，则需要把他们先全删掉

三.第一个测试

我们创建一个test_my_heart.py文件，编辑这些内容

import logging         def my_heart_status():       return "bad"         def test_my_heart():       """       测试一下我的心脏是否在跳动       """       logging.info("即将检查我的心脏")       assert my_heart_status() == "healthy"

在命令行中输入pytest得到这些输出：

是不是神奇，又很简单？

四.`pytest`怎么知道哪些函数是测试？

这里，pytest在目录下递归寻找测试函数，并运行。查找的规则如下：

寻找以test开头或结尾的py文件
在第一步中找到的文件中寻找以Test开头的类，并且没有__init__方法（可省略）
在第一步中找到的文件中寻找以test_开头的函数，或者在第二步中找到的类中寻找以test开头的方法。

五.assert是什么？

assert是断言，简而言之，assert后面跟一个表达式，并且这个表达式返回bool值。如果bool值是True，则测试通过；如果是False，则测试失败。

注意！在pytest中写测试的时候，一定要使用assert去做测试结果的断言，而不要主动抛出错误（比如raise error）。pytest mock了assert的实现，因此可以捕捉到用例的失败，以及失败时的上下文。注意看下图中pytest主动输出的上下文，如果主动raise error，则不会有这么清晰的上下文输出。

六.优雅使用assert

import logging         def my_heart_status():       return "bad"         def test_my_heart():       """       测试一下我的心脏是否在跳动       """       logging.info("即将检查我的心脏")       assert my_heart_status() == "healthy", f"检查我的心脏失败，实际结果为{my_heart_status()}"

报错信息对比

七.生成测试报告

可以注意到，刚刚运行完之后，在根目录多了一个reports文件夹。这个文件夹存放了测试结果，但是这个测试结果不是人类可读的，因此我们需要生成一个人类可读的测试报告。虽然命令行的输出也能看，但是生成的测试报告实在太方便了，因此我强烈建议用网页版的测试报告来查看测试结果。

我们首先安装一下allure：brew install allure。然后运行allure generate reports/ecs -o reports/html --clean。我们就生成了人类可读的html测试报告。然后打开这个html，并把语言转成中文。

类别、测试套、功能、包，这四个title都可以查看到所有的测试用例执行情况。但是我最推荐功能来查看，因为这个title展示起来最清晰，需要点击的次数最少。下面是在面对几十个测试用例下，几个tab页的区别。

八.查看失败的原因

回到我们自己的例子上，我们点击功能，点击我们刚刚失败的case，我们可以看到是哪个case失败了。更进一步，我们点开几个框框，可以看到具体的日志和测试详情。

九.打标签

使用pytest的mark能力，我们可以给case打tag，然后按tag来运行不同的case。比如最基础的，区分P0与P1 case。我们来修改一下之前的代码。

import logging   import pytest         def my_heart_status():       return "stopped"         def my_heartbeat():       return -1         @pytest.mark.p0   def test_my_heart_status():       """       测试一下我的心脏是否在跳动       """       logging.info("即将检查我的心脏")       assert my_heart_status() == "running"         @pytest.mark.p1   def test_my_heartbeat():       """       测试一下我的心脏跳动是否正常       """       logging.info("即将检查我的心脏")       assert 50 < my_heartbeat() < 180

然后我们运行pytest -m p0，会得到如图3结果。

可以看到pytest把两个用例都识别出来了，但是只跑了标记了p0的用例，而标记了p1的用例没有跑

图3

此外，所有的mark需要提前声明。在这个case中，我们在pytest.ini文件中已经提前声明好了一些mark（图4），如果没有提前声明，那么pytest会有报警（图5）。

图4

图5

十.暂时不运行

如果某个用例暂时有问题，或者用例写好了，但是功能没写好，我们可以标记先跳过这个用例。

更进一步，我们可以有条件得跳过某些case，比如我们先看看当前的环境，是否在ICU，如果在的话，就不管心跳了。

十一.同一个用例不同的参数

比如现在有一个查询的测试接口，我们要测试不同查询条件下接口是否符合预期。从最简单的开始：不同的page size。

可以看到，虽然我们只写了一个用例，但是利用pytest.mark.parametrize，我们实现了类似表驱动测试的效果。

下面使用了pytest -k参数。

我们也可以在一个pytest.mark.parametrize内设置多个参数。

我们还可以让多个参数排列组合，只需要添加多个pytest.mark.parametrize即可。

十二.Fixture，前置依赖

fixture（中文名叫做夹具）是pytest最重要的一块功能，pytest可以通过fixture来指定前置依赖，并且pytest将解析依赖顺序，然后按照顺序一个一个函数执行。如果前置依赖执行失败了，那么后续的操作就自动不会执行。以上是fixture的特点。而我们使用fixture，主要看中其三个功能：

声明前置依赖（可以在测试报告里看到，而不用看代码了）。
缓存同一作用域下的前置依赖，并让多个用例共用一个前置依赖（通过复用资源，提高运行速度，减少资源占用）。
在case运行完之后清理资源。（方便~）

先来一个简单的例子，我们把之前主动调用的my_heart_status与my_heartbeat改成前置依赖。代码如下：

import logging   import pytest         @pytest.fixture()   def my_heart_status():       return "running"         @pytest.fixture()   def my_heartbeat():       return 80         @pytest.mark.p0   def test_my_heart_status(my_heart_status):       """       测试一下我的心脏是否在跳动       """       logging.info("即将检查我的心脏")       assert my_heart_status == "running"         @pytest.mark.p1   def test_my_heartbeat(my_heartbeat):       """       测试一下我的心脏跳动是否正常       """       logging.info("即将检查我的心脏")       assert 50 < my_heartbeat < 180

解释一下，上述代码，通过给函数加上@pytest.fixture这个装饰器，pytest可以收集到所有的fixture。然后pytest会分析每个测试用例的入参，按命名找到对应的fixture，执行fixture，并把fixture的结果传给测试用例。

同时，在我们使用了fixture之后，在测试报告中也能看到测试用例的前置依赖。如果前置依赖失败而导致用例失败，也能在测试中清晰看到。

十三.conftest

刚刚我们把测试用例与fixture写在同一个py文件内，那么这些fixture只能在这个py文件内使用。如果要让fixture能被多个py文件使用，则需要把fixture写到conftest.py文件中。pytest会递归寻找目录下名为conftest.py的文件，并使这些fixture在其子目录都可用。

举个例子：共有三层目录，两个conftest.py文件，三个test.py文件。

- conftest.py # 有fixtureA   - test_x.py   - TestOtherDir  # 这是一个文件夹     - conftest.py. # 有fixtureB     - test_y.py     - TestZDir  # 这是一个文件夹       - test_z.py

上面的例子中，fixtureA可以被三个test.py文件使用。fixtureB只能被test_y.py、test_z.py使用。

让我们新建一个conftest.py文件，并把两个fixture都放进入。

十四.作用域 & 缓存与共用fixture

fixture的一个大用途在于：在同一作用域下多个case共享同一个前置依赖。我们将上述的例子改一下，假设通过一个方法就可以获得heart的所有信息。

# 在 conftest.py中   import logging   import pytest   class Heart:       def __init__(self, status, beat):           self.status = status           self.beat = beat         @pytest.fixture()   def my_heart():       logging.info("获取heart信息")       return Heart("running", 80)         # 在 test_heart.py中   @pytest.mark.p0   def test_my_heart_status(my_heart):       """       测试一下我的心脏是否在跳动       """       logging.info("检查心脏状态")       assert my_heart.status == "running"         @pytest.mark.p1   def test_my_heartbeat(my_heart):       """       测试一下我的心脏跳动是否正常       """       logging.info("检查心跳")       assert 50 < my_heart.beat < 180

my_heart函数调用了两次。这是因为每个fixture默认的作用域是function级别的，即每个测试用例都会重新执行一遍这个fixture。

作用域一共有四种：

function：每个测试用例都运行一次该fixture（默认）
class：class内所有方法只运行一次该fixture（一个类内可以有多个测试方法)
module：一个.py文件只执行一次该fixture
session：每次调用pytest命令下，只执行一次（跨多个py文件，多个文件夹）

我们将其作用域改为module，然后看看执行结果。可以看到这个fixture只会执行一次。

如果我们将两个测试用例放在两个py文件下，则又会执行两次。

如果我们将两个测试用例放在两个py文件下，但是作用域设置成session，则只会执行一次。

十五.嵌套

除了case可以通过fixture设置前置依赖，fixture本身也可以设置前置依赖~

# 在 conftest.py中   import logging   import pytest      class Heart:       def __init__(self, status, beat):           self.status = status           self.beat = beat      @pytest.fixture()   def prepare():       return "abc"      @pytest.fixture()   def my_heart(prepare):       logging.info("获取heart信息" + prepare)       return Heart("running", 80)

十六.可传参Fixture

我们可以通过把函数调用转为fixture依赖，来获得更加直观的测试报告与前置依赖缓存。但是在函数调用时可以传递参数，那我们怎么给fixture传递参数呢？

接着上面的例子，我们需要检查不同年龄、不同性别的心脏。

在fixture中，需要将第一个参数设置为request，然后可以通过request.param拿到测试用例传来的所有参数。

在测试用例中，用法基本pytest.mark.parametrize相同，只需要添加indirect=True即可。

# 在 conftest.py 中   import pytest      class Heart:       def __init__(self, status, sex, beat):           self.status = status           self.sex = sex           self.beat = beat      @pytest.fixture(scope="module")   def my_heart(request):       logging.info("获取heart信息")       return Heart("running", request.param["sex"], request.param["age"] * 5)      # 在 test_my_heart.py 中   import logging   import pytest      @pytest.mark.parametrize("my_heart", [{"sex": "female", "age": 13}, {"sex": "male", "age": 15}], indirect=True) # 注意这里！   def test_my_heartbeat(my_heart):       """       测试一下我的心脏跳动是否正常       """       logging.info("检查心跳")       assert 50 < my_heart.beat < 180

十七.可传参Fixture的作用域

前文提到，在同一作用域下的fixture只会被执行一次。那如果我们给fixture传递了不同的参数参数，作用域会发生什么样的变化呢？

接着上面的例子，conftest.py的代码不变，我们修改test_my_heart.py的代码。

import logging   import pytest      user1 = {"sex": "male", "age": 15}   user2 = {"sex": "female", "age": 13}      @pytest.mark.parametrize("my_heart", [user1], indirect=True)   def test_my_heart_status(my_heart):       """       测试一下我的心脏是否在跳动       """       logging.info("检查心脏状态")       assert my_heart.status == "running"         @pytest.mark.parametrize("my_heart", [user2], indirect=True)   def test_my_heartbeat(my_heart):       """       测试一下我的心脏跳动是否正常       """       logging.info("检查心跳")       assert 50 < my_heart.beat < 180

这样运行一遍，我们会发现fixture会执行两次。而如果我们把user2改成user1，则只会运行一遍。因此，我们可以得出结论：对于可传参的fixture，参数+fixture共同构成唯一一个前置依赖。

十八.资源清理

比如我们想观测Heart，得先连接一个监听器到Heart上，在我们测试结束之后，再把监听器给卸载掉。首推的做法是使用yield，这个写法更加简单清晰。

@pytest.fixture(scope="module")   def my_heart(request):       logging.info("连接监听器")       logging.info("获取heart信息")          yield Heart("running", request.param["sex"], request.param["age"] * 5)          logging.info("卸载监听器")

其次推荐的是使用fixture的request参数，request.addfinalizer()。我们来修改一下之前的my_heart fixture。

@pytest.fixture(scope="module")   def my_heart(request):       logging.info("连接监听器")          def teardown():  # 这个函数的名字是随意的，也可以叫别的           logging.info("卸载监听器")          request.addfinalizer(teardown) # 这一行，注册一个fixture生命周期结束后运行的函数          logging.info("获取heart信息")       return Heart("running", request.param["sex"], request.param["age"] * 5)

有两个点需要注意：

第一是两种方式存在细微的逻辑差别，当下图1中红色框框内的代码段报错时（raise error），使用addfinalizer会执行teardown的逻辑（前提是addfinalizer先于报错代码段运行），而使用yield则不会。

第二是要注意，写teardown的时候，要考虑红色框框内失败的情况。举一个例子，有一个创建资源的fixture，并且内置删除资源的teardown逻辑。当创建资源失败时，teardown去删除资源，可能会报错NotFound，此时不应该raise error。

十九.执行顺序与清理顺序

首先需要注意的是，由于并发跑测试、每次跑的测试集不同，pytest跑用例的顺序总是没有规律的。因此case与case之间最好不要有任何的顺序依赖关系。如果case之间依赖相同的fixture，最好在每次执行完之后，把这个fixture还原到最开始的状态。

其次，fixture自身的执行顺序和清理顺序是有迹可循的，其按照以下顺序以此执行。

首先执行autouse=True的fixture，其次执行某个case依赖的fixture，如果一个case依赖多个fixture，则按顺序，从左到右依次执行。其次执行fixture依赖的fixture，如果一个fixture依赖多个fixture，则按顺序，从左到右依次执行，并按DFS（深度优先）递归解析依赖。而对于清理操作，则会按上述顺序反着来，即最先被执行的fixture，最后被清理。

我们新起一个py文件来看看，左侧展示了DFS的规则，右侧展示autouse的影响。对于这个case，大家可以自行修改代码并执行，体会一下依赖关系。

# test_order.py   import pytest      @pytest.fixture()   def a():       print("准备AAA")       yield "a"       print("清理AAA")      @pytest.fixture()   def b():       print("准备BBB")       yield "b"       print("清理BBB")      @pytest.fixture()   def c(a, b):       print("准备CCC")       yield "c"       print("清理CCC")      def test_order_1(c):       pass      准备AAA   准备BBB   准备CCC   PASSED   清理CCC   清理BBB   清理AAA   # test_order.py   import pytest      @pytest.fixture()   def a():       print("准备AAA")       yield "a"       print("清理AAA")      @pytest.fixture(autouse=True)   def b():       print("准备BBB")       yield "b"       print("清理BBB")      @pytest.fixture()   def c(a, b):       print("准备CCC")       yield "c"       print("清理CCC")      def test_order_1(c):       pass      准备BBB   准备AAA   准备CCC   PASSED   清理CCC   清理AAA   清理BBB

二十.如何只跑一个测试？

第一种是直接点击pycharm的这个箭头，就可以。

第二种是直接在命令行中调用pytest -k XXX，XXX是你的测试函数或者测试类。如果你的测试函数名与其他地方的测试函数名重合，则可以加上路径，比如pytest FFF -k XXX。其中FFF是你所要运行的用例的路径，精确到文件夹或者文件都可以。

第三种是不使用-k，直接pytest XXX。

二十一.某个fixture找不到

python的函数很容易被同名的变量、或者其他函数覆盖。有一个很诡异的例子。

# 在 conftest.py 中   from a_fixture import *   from a import *      # 在 a_fixture.py 中   @pytest.fixture   def aaa():       pass      # 在 a.py 中   aaa = None

在上述例子中，运行pytest --fixtures是找不到aaa这个fixture的。但是如果把两个import的顺序替换一下，就又能看到了。