Pytest框架中的测试用例执行方式！

前言

    本文将针对pytest的核心特性之一——测试用例的执行方式展开深入探讨，并通过详尽的实战示例展示如何在不同环境下灵活操控测试运行，同时全面解析pytest中常见的且极具实用价值的命令行选项。

一、从基础到进阶：pytest在命令行下的测试用例执行控制

1. 自动化测试发现与默认执行策略

    pytest采用智能的基于目录结构的测试发现机制，自动识别并执行以下类型的测试单元：

• 文件名以test_开头或包含__test__.py结尾的模块。

• 类名以Test开头的类（遵循unittest.TestCase风格或pytest自己的类装饰器定义）。

• 函数名以test_开头的方法。

只需简单地在命令行下输入pytest命令，pytest即会递归查找当前工作目录及其子目录下的所有符合上述命名规则的测试文件并执行其中的测试用例。

pytest  # 默认搜索并执行所有找到的测试用例

2. 精准定位并执行特定测试组件

• 指定特定测试模块执行：

pytest path/to/module.py  # 执行指定模块内的所有测试用例

• 直接运行某个测试类及其中的所有方法：

pytest path/to/test_class.py::TestClass  # 执行指定测试类内全部测试方法

• 单独执行一个测试方法：

pytest path/to/test_class.py::TestClass::test_functionality  # 运行单个测试方法

3. 利用标记（Markers）进行精细化分类与筛选

    pytest支持自定义标记功能，帮助开发者轻松管理、分组和选择性执行测试用例：

• 添加标记到测试函数：

@pytest.mark.speed('slow')
def test_slow_operation():
    ...

• 根据标记筛选执行：

pytest -m "speed:slow"  # 只执行标记为'speed:slow'的测试用例
pytest -m "not db_integration"  # 执行排除了'db_integration'标记的所有测试用例

4. 输出控制与调试模式调整

    pytest提供了一系列输出控制选项，以便在不同的开发阶段灵活调整日志级别和信息量：

• 控制详细度等级：

• • -v：verbose模式，显示每个测试的基本信息，如测试名称和结果。

  • -vv：加倍详细模式，额外展示断言细节和失败消息。

  • -q：quiet模式，仅显示最终的测试汇总信息，隐藏成功案例的输出。

• 标准输出流处理：

• • -s：禁用标准输出捕获，允许print语句等直接打印到终端。

  • --capture=sys：捕获系统标准输出流而不捕获标准错误流。

• 错误报告格式增强：

• • -rA：使用详细的报告格式，包括失败原因、堆栈跟踪和潜在未捕获异常的信息。

5. 测试名称匹配与正则表达式筛选

    利用-k参数可以实现强大的正则表达式匹配来挑选需要执行的测试用例：

pytest -k "login or logout functionality"  # 包含关键字的测试用例将会被执行
pytest -k "not slow and not deprecated"  # 排除含有某些关键字的测试用例

6. 并发执行与性能优化

    借助pytest-xdist插件，可以实现跨多进程或多线程并发执行测试，从而显著提升测试效率：

# 使用CPU核心数作为并发任务数量
pytest -n auto  # 自动根据硬件资源分配并发进程数
 
# 按文件分发负载，更适用于I/O密集型测试
pytest -n 8 --dist=loadfile  # 使用8个进程并发执行，并按文件平衡负载
 
# 配合-j选项，还可以控制线程并发执行
pytest -n 4 -j 2  # 使用4个工作进程，每个进程中2个并发线程

7. 覆盖率分析与生成报告

    结合pytest-cov插件，可生成详尽的代码覆盖率报告：

pytest --cov=path/to/project --cov-report html  # 生成HTML格式的覆盖率报告
pytest --cov-config=.coveragerc --cov-fail-under=90  # 设置最低覆盖率要求，并指定配置文件

现在我也找了很多测试的朋友，做了一个分享技术的交流群，共享了很多我们收集的技术文档和视频教程。
如果你不想再体验自学时找不到资源，没人解答问题，坚持几天便放弃的感受
可以加入我们一起交流。而且还有很多在自动化，性能，安全，测试开发等等方面有一定建树的技术大牛
分享他们的经验，还会分享很多直播讲座和技术沙龙
可以免费学习！划重点！开源的！！！
qq群号：1150305204【暗号：csdn999】

二、PyCharm集成开发环境中的pytest整合与操作详解

1. 创建与配置pytest运行配置

• 在PyCharm顶部菜单栏选择“Run” -> “Edit Configurations…”。

  

• 添加一个新的pytest运行/调试配置，设置主脚本路径（通常无需修改），并在"Additional Arguments"区域添加对应的命令行选项，例如 -s 或 -k 筛选条件，以及任何其他需要传递给pytest的参数。

• 正确设定"Working directory"属性，确保相对路径引用的测试模块能够正确被解析。

2. 实时执行与调试测试

• PyCharm中可以直接点击工具栏上的绿色三角形按钮启动预设的pytest配置，执行所有或部分选定的测试用例。

• 对于单个测试函数或类，可在源码内右键点击，选择"Run 'pytest in '"或"Debug 'pytest in '"，精确执行选定的测试单元，并开启实时调试功能。

三、高级应用场景与技巧分享

• 参数化测试：运用@pytest.mark.parametrize装饰器构建数据驱动测试，为单个测试函数提供多个输入值集，以覆盖多种场景下的行为验证。

@pytest.mark.parametrize("input, expected", [(1, 2), (2, 3), (3, 4)])
def test_add_one(input, expected):
    assert input + 1 == expected

• 依赖注入与共享资源管理：通过定义fixtures并在conftest.py文件中注册全局fixture，实现测试间的资源共享和生命周期管理。fixture能确保资源初始化、清理的一致性和高效性。

# conftest.py
import pytest
 
@pytest.fixture
def shared_database_connection():
    conn = establish_db_connection()
    yield conn
    conn.close()
 
# test_module.py
def test_something(shared_database_connection):
    # 使用已建立好的数据库连接执行查询操作
    ...

• 兼容unittest.TestCase：pytest不仅完美兼容unittest模块中的测试类和方法，还允许在其基础上扩展新的特性，例如混用pytest特有的fixture和unittest.TestCase的setUp/tearDown方法。

• 生命周期钩子定制：通过编写setup/teardown函数、fixture的setup/teardown方法以及session级的开始和结束钩子，用户可以根据需求在测试前后进行复杂的环境准备、状态恢复以及整体测试流程的前置后置处理。

总结

    深入理解和熟练掌握pytest测试用例的执行策略及命令行选项，是提高测试质量、加速迭代周期、维护项目稳定的关键步骤。

    无论是通过命令行终端高效地批量执行测试，还是在IDE环境中无缝结合代码编辑与调试功能，pytest都能够凭借其强大的灵活性与功能性，满足各种规模项目的多样化测试需求。此外，进一步研究pytest的各种插件与扩展功能，将有助于更好地适应不同项目背景下的具体测试挑战。

 

作为一个软件测试的过来人，我想尽自己最大的努力，帮助每一个伙伴都能顺利找到工作。所以我整理了下面这份资源，现在免费分享给大家，有需要的小伙伴可以关注【公众号：开心螺蛳粉】自提！

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

行动吧，在路上总比一直观望的要好，未来的你肯定会感谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时，请及时加入群：1150305204，里面有各种测试开发资料和技术可以一起交流哦。