
Python 自带的测试工具不少,第三方生态也很成熟。选对了能省很多事,选错了反而增加负担。下面按使用场景介绍 5 个各有所长的测试库。
往期阅读>>>
Python 20 个文本分析的库:效率提升 10 倍的秘密武器
Python 自动化管理Jenkins的15个实用脚本,提升效率
App2Docker:如何无需编写Dockerfile也可以创建容器镜像
Python 自动化识别Nginx配置并导出为excel文件,提升Nginx管理效率
pytest 是目前 Python 社区用得最多的测试框架。它兼容 unittest,但语法更简洁,功能也更强——参数化测试、夹具系统、插件生态一应俱全。
几个特点:测试函数以 test_ 开头就能被自动发现,不需要继承任何类;通过 @pytest.fixture 管理测试的前置和后置条件;用 @pytest.mark.parametrize 给同一个测试函数传入多组数据;断言直接写 assert,失败时会自动输出差异信息。
适合几乎所有 Python 项目,尤其是需要复杂测试装置、参数化、或者要接入覆盖率/并行测试等插件的时候。
# test_math_operations.pyimportpytestdefadd(a, b):returna+b@pytest.mark.parametrize("a, b, expected", [ (1, 2, 3), (0, 0, 0), (-1, 1, 0),])deftest_add(a, b, expected):assertadd(a, b) == expected@pytest.fixturedefsample_list():return [1, 2, 3]deftest_list_length(sample_list):assertlen(sample_list) == 3
运行:pytest test_math_operations.py -v
unittest 是标准库自带的测试框架,设计上借鉴了 JUnit。结构比较严格:测试类要继承 unittest.TestCase,测试方法以 test_ 开头,用 setUp 和 tearDown 管理每个测试的生命周期。
断言方法很全——assertEqual、assertTrue、assertRaises 几十种。因为它是标准库,IDE 支持普遍比较好。
适合团队已有 unittest 使用习惯、或者需要和标准库工具链深度集成的项目。
# test_string_methods.pyimportunittestclassTestStringMethods(unittest.TestCase):defsetUp(self):self.test_string = "Hello World"deftest_upper(self):self.assertEqual(self.test_string.upper(), "HELLO WORLD")deftest_isupper(self):self.assertTrue("HELLO".isupper())self.assertFalse("Hello".isupper())deftest_split(self):self.assertEqual(self.test_string.split(), ["Hello", "World"])withself.assertRaises(TypeError):self.test_string.split(2)if__name__ == '__main__':unittest.main()
doctest 的思路很特别——测试用例直接写在函数的文档字符串里,格式就是 Python 交互式会话的样子。运行时它会把这些示例提取出来执行,看输出是否匹配。
好处是写文档和写测试合二为一,文档里的代码不会过时。代价是只适合简单的测试场景,复杂逻辑还是得靠正式的测试框架。
适合给库或模块写可验证的示例文档,或者给简单函数快速补几个测试。
# my_module.pydeffactorial(n):""" 计算阶乘。 >>> factorial(5) 120 >>> factorial(1) 1 >>> factorial(0) 1 >>> factorial(-1) Traceback (most recent call last): ... ValueError: n must be >= 0 """ifn<0:raiseValueError("n must be >= 0")result = 1foriinrange(2, n+1):result *= ireturnresultif__name__ == "__main__":importdoctestdoctest.testmod(verbose=True)
Hypothesis 用的是“基于属性的测试”思路:你不需要一个个写测试用例,而是定义输入数据的规则和代码应该满足的属性,Hypothesis 自动生成大量随机数据(包括各种边界值)来验证。
它能发现开发者手动写测试时想不到的边界情况,减少测试代码量。可以和 pytest 或 unittest 配合使用。
适合测算法、数据处理函数、解析器这类对输入输出有明确规则的代码。
# test_encoding.pyfromhypothesisimportgiven, strategiesasstimportcodecs@given(st.text()) # 策略:生成任意文本deftest_encode_decode_invariant(text):"""属性:任何字符串经过 utf-8 编码再解码后,应得到原字符串。"""encoded = text.encode('utf-8')decoded = encoded.decode('utf-8')assertdecoded == text@given(st.integers(), st.integers())deftest_addition_commutative(a, b):"""属性:加法满足交换律。"""asserta+b == b+a
运行:pytest test_encoding.py
Selenium 是做 Web 应用端到端测试的老牌工具,能驱动 Chrome、Firefox、Edge 等主流浏览器,模拟真实用户的操作——点击、输入、页面跳转等。
需要注意的是,测试时得下载对应浏览器的 WebDriver。代码本身不复杂,但维护成本高:页面结构一改,选择器可能就得跟着调。
专门用来测 Web 应用的前端功能、用户交互流程和跨浏览器兼容性。
# test_web_login.pyfromseleniumimportwebdriverfromselenium.webdriver.common.byimportByfromselenium.webdriver.common.keysimportKeysimporttimedeftest_login_to_website():driver = webdriver.Chrome() # 需要已安装 ChromeDrivertry:driver.get("https://example.com/login")# 查找元素并交互username_box = driver.find_element(By.ID, "username")password_box = driver.find_element(By.ID, "password")submit_button = driver.find_element(By.XPATH, "//button[@type='submit']")username_box.send_keys("test_user")password_box.send_keys("secure_password")submit_button.click()time.sleep(2) # 等待页面跳转# 验证登录成功,例如检查是否跳转到仪表盘页面assert"dashboard"indriver.current_urlprint("登录测试通过!")finally:driver.quit() # 关闭浏览器if__name__ == "__main__":test_login_to_website()
日常项目测试,pytest 基本是首选——语法简单、功能全、插件多。需要标准库保证零依赖,用 unittest。想让文档里的代码示例真实可运行,加 doctest。担心边界 case 漏测,Hypothesis 能补上。Web 应用的界面测试,Selenium 还是主流方案。
实际项目中这几个经常搭配着用,比如用 pytest 跑 Selenium 测试,或者在 unittest 里加 Hypothesis 的属性测试。不需要全学,根据项目需要选两三个够用就行。
