【Python数据分析300个实用技巧】226.自动化与工程化之自动化测试黑科技：用pytest覆盖所有代码分支

在这里插入图片描述

让测试用例自己找漏洞！全网最野的覆盖率打法：用pytest把代码分支统统逼上梁山

目录速览：

测试覆盖率焦虑：为什么你的代码总在裸奔？
pytest核心三板斧：参数化+fixture+插件
工程化整合：让测试自己跑流水线
黑科技专场：动态生成用例的骚操作
避坑指南：覆盖率95%≠万事大吉

嗨，你好呀，我是你的老朋友精通代码大仙。接下来我们一起学习Python数据分析中的300个实用技巧，震撼你的学习轨迹！

“代码千万行，测全第一条；分支没覆盖，上线两行泪”，这话是不是听着耳熟？我刚接手祖传代码时，看到测试覆盖率27%的报表，血压直接飙到180。今天咱们就聊聊怎么用pytest让测试用例像猎犬一样，把代码里所有藏着的分支都揪出来！

（以下为完整内容，全文约5200字，预计阅读时间13分钟）

########################################

一、测试覆盖率焦虑：为什么你的代码总在裸奔？

点题：覆盖率不是数字游戏，而是质量防线

痛点现场：

# 典型的新手测试代码
def test_login():
    assert login("admin", "123456") is True  # 只测了成功场景
    
# 被测试函数实际包含多个分支
def login(username, password):
    if not username:  # 未覆盖
        raise ValueError
    if hash(password) != db_password:  # 未覆盖
        return False  # 未覆盖
    return True

这种测试就像只检查晴天时的雨伞——完全没考虑异常场景。我见过最惨的项目，线上80%的bug都来自未测试的分支路径。

解决方案：

# 正确姿势：显式声明要覆盖的分支
@pytest.mark.parametrize("username, password, expected", [
    ("admin", "123456", True),          # 正常路径
    ("", "whatever", pytest.raises(ValueError)),  # 空用户名
    ("admin", "wrong_pwd", False)       # 密码错误
])
def test_login(username, password, expected):
    with expected:
        assert login(username, password) == expected

配合pytest-cov插件，运行后立即生成覆盖率报告：

pytest --cov=myapp --cov-branch --cov-report=html

小结：测试用例要像侦探一样，主动寻找代码中的"暗门"。

########################################

二、pytest核心三板斧：参数化+fixture+插件

点题：三大神器打造自动化测试流水线

痛点现场：

# 传统重复代码写法
def test_add_user1():
    db = init_db()
    add_user(db, "Alice", 25)
    assert query_user(db, "Alice")

def test_add_user2():  # 重复初始化逻辑
    db = init_db()
    add_user(db, "Bob", -1)  # 年龄负数应该报错
    assert not query_user(db, "Bob")

正确姿势：

# 使用fixture共享资源
@pytest.fixture
def db_conn():
    db = init_db()
    yield db
    db.close()  # 自动清理

# 参数化大法
@pytest.mark.parametrize("name, age, expected", [
    ("Alice", 25, True), 
    ("Bob", -1, False),
    ("", 30, pytest.raises(ValueError))  # 名字为空
])
def test_add_user(db_conn, name, age, expected):
    with expected:
        add_user(db_conn, name, age)
        assert query_user(db_conn, name) == expected

插件推荐：

pytest-randomly：随机打乱测试顺序，避免状态依赖
pytest-xdist：并行执行，速度提升300%
pytest-mock：精准控制依赖项

小结：用好这些工具，你的测试代码量能减少60%！

########################################

三、工程化整合：让测试自己跑流水线

点题：自动化测试要长在CI/CD的DNA里

典型问题：

# 错误的.gitlab-ci.yml配置
test:
  script:
    - pytest  # 没有收集覆盖率
    - echo "测试通过"  # 结果不可见

这种配置就像没有装子弹的手枪——听个响就完了。

正确配置：

test:
  image: python:3.9
  stage: test
  script:
    - pip install -r requirements.txt
    - pytest --cov=src --cov-report=xml --cov-fail-under=80  # 强制最低覆盖率
  artifacts:
    paths:
      - coverage.xml  # 上传结果
    reports:
      coverage_report:
        coverage_format: cobertura
        path: coverage.xml

# 代码合并前自动检查
merge_request:
  rules:
    - if: $CI_MERGE_REQUEST_TARGET_BRANCH_NAME == "main"
  script:
    - pytest --cov=src --cov-fail-under=90  # main分支要求更高

配合GitLab的流水线可视化，覆盖率变化趋势一目了然。

小结：让测试成为代码入库的守门员，而不是事后诸葛亮。

########################################

四、黑科技专场：动态生成用例的骚操作

点题：让pytest自己写测试用例

魔法现场：

# 根据接口文档自动生成测试
def test_generate():
    api_spec = load_openapi_spec("api.yaml")
    
    for path in api_spec.paths:
        for method in api_spec.paths[path].operations:
            # 动态创建测试用例
            @pytest.mark.parametrize("case", load_test_cases(path))
            def test_endpoint(case, auth_headers):
                response = requests.request(
                    method,
                    f"http://api/{path}",
                    headers=auth_headers,
                    json=case.data
                )
                assert response.status_code == case.expected_code
            # 动态注入到当前模块
            globals()[f"test_{method}_{path}"] = test_endpoint

这种玩法适合接口数量爆炸的项目，曾经帮我在3天内完成200+个API的冒烟测试。

猴子补丁妙用：

# 强制触发异常路径
def test_database_failure():
    def fake_connect():
        raise ConnectionError("模拟网络故障")
    
    # 临时替换数据库连接方法
    monkeypatch.setattr(database, "connect", fake_connect)
    
    with pytest.raises(SystemError):
        process_order()

小结：这些黑科技就像测试界的瑞士军刀，专治各种不服。

########################################

五、避坑指南：覆盖率95%≠万事大吉

点题：数字会骗人，这些坑我亲自踩过

经典幻觉：

def calculate_discount(user_type, amount):
    if user_type == "VIP":  # 已覆盖
        return amount * 0.8
    elif user_type == "SVIP":  # 已覆盖
        return amount * 0.5
    else:  # 已覆盖
        return amount  # 但没测amount为负数的情况！

测试用例：

@pytest.mark.parametrize("user_type", ["VIP", "SVIP", "normal"])
def test_discount(user_type):
    assert calculate_discount(user_type, 100) >= 0  # 永远用正数测试

这个case覆盖率100%，但如果有用户传入负数金额…boom！

正确操作：

# 组合参数化才是王道
@pytest.mark.parametrize("user_type, amount", [
    ("VIP", 100), ("VIP", -50),
    ("SVIP", 200), ("SVIP", 0),
    ("normal", 300), ("normal", None)
])
def test_discount(user_type, amount):
    with pytest.raises(ValueError):
        calculate_discount(user_type, amount)