pytest是python的一种易用、高效和灵活的单元测试框架，可以支持单元测试和功能测试。本文不以介绍pytest工具本身为目的，而是以一个实际的api测试项目为例，将pytest的功能应用到实际的测试工程实践中，教大家将pytest用起来。
在开始本文之前，我想跟大家澄清两个概念，一个是测试框架一个是测试工具。很多人容易把他们搞混了，测试框架是诸如unittest、pytest、testng这类，而测试工具指的则是lenium、appium、jmeter这类。
测试框架的作用是，帮助我们管理测试用例、执行测试用例、参数化、断言、生成测试报告等基础性工作，让我们将精力用在测试用例的编写上。好的测试框架应该具有很高的扩展性，支持二次开发，并能够支持多种类型的自动化测试。
测试工具的作用是为了完成某一类型的测试，比如lenium用于对web ui进行自动化测试，appium用来对app进行自动化测试，jmeter可以用来进行api自动化测试和性能测试。另外，java语言中okhttp库，python语言中的requests库，这些http的client也可以看做是一种api测试工具。
澄清了这两个概念，说一下本文的目的。其实网上已经有很多教程，包括官方文档，都是以介绍pytest的功能为出发点，罗列了各种功能的使用方法，大家看完之后会感觉都明白了，但是还是不知道如何与实际项目相结合，真正落地用起来。本文不以介绍pytest工具本身为目的，而是以一个实际的api测试项目为例，通过单元测试框常见函数图像架pytest和python的requests库相结合，将pytest功能应用到实际的测试工程实践中，教大家将pytest用起来。
请相信我，使用pytest会让你的测试工作非常高效。
在开始使用pytest之前，先来了解一下pytest的核心功能，根据官方网站介绍，它具有如下功能和特点：
非常容易上手，入门简单，文档丰富，文档中有很多实例可以参考。能够支持简单的单元测试和复杂的功能测试。支持参数化。能够执行全部测试用例，也可以挑选部分测试用例执行，并能重复执行失败的用例。支持并发执行，还能运行由no, unittest编写的测试用例。方便、简单的断言方式。能够生成标准的junit xml格式的测试结果。具有很多第三方插件，并且可以自定义扩展。方便的和持续集成工具集成。pytest的安装方法与安装其他的python软件无异，直接使用pip安装即可。
$ pip install -u pytest
安装完成后，可以通过下面方式验证是否安装成功：
$ py.test --help
如果能够输出帮助信息，则表示安装成功了。
接下来，通过开发一个api自动化测试项目，详细介绍以上这些功能是如何使用的。
先创建一个测试项目目录api_pytest，为这个项目创建虚拟环境。关于虚拟环境的创建，可以参考这篇文章《利用pyenv和pipenv管理多个相互独立的python虚拟开发环境》。这里我们直接介绍如何使用，执行下面两条命令：
$ mkdir api_pytest$ pipenv --python 3.7.7
这样，项目目录和虚拟环境就创建完成了。
接着，安装依赖包，第一个是要安装pytest，另外本文是以api自动化测试为例，因此还要安装一下http 的client包requests。
$ pipenv install pytest requests
现在我们创建一个data目录，用来存放测试数据，一个tests目录，用来存放测试脚本，一个config目录，用来存放配置文件，一个utils目录从来存放工具。
$ mkdir data$ mkdir tests$ mkdir config$ mkdir utils
现在，项目的目录结构应该是如下这样：
$ tree.├── pipfile├── pipfile.lock├── config├── data├── tests└── utils4 directories, 2 files
至此测试项目就创建完成了。接着编写测试用例。
在这部分，我们以测试豆瓣电影列表api和电影详情api为例，编写测试用例。
这两个api信息如下：
我们先写电影列表api的自动化测试用例，设置3个校验点：
验证请求中的start与响应中的start一致。验证请求中的count与响应中的count一致。验证响应中的title是”正在上映的电影-上海”。在tests目录里面，创建个test_in_theaters.py文件，里面编写测试用例，内容如下：
import requestsclass testintheaters(object): def test_in_theaters(lf): host = "http://api.douban.com" path = "/v2/movie/in_theaters" params = {"apikey": "0df993c66c0c636e29ecbb5344252a4a", "start": 0, "count": 10 } headers = { "ur-agent": "mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.149 safari/537.36" } r = requests.request("get", url=host + path, headers=headers, params=params) respon = r.json() asrt respon["count"] == params["count"] asrt respon["start"] == params["start"] asrt respon["title"] == "正在上映的电影-上海", "实际的标题是：{}".format(respon["title"])你可能会问，这就是测试用例了？这就是基于pytest的测试用例了吗？答案是肯定的。基于pytest编写自动化测试用例，与编写平常的python代码没有任何区别，唯一的区别在于文件名、函数名或者方法名要以test_开头或者_test结尾，类名以test开头。
pytest会在test_*.py 或者 *_test.py 文件中，寻找class外边的test_开头的函数，或者test开头的class里面的test_开头的方法，将这些函数和方法作为测试用例来管理。可以通过下面的命令，查看pytest收集到哪些测试用例：
$ py.test --collect-only====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytestcollected 1 item <module tests/test_in_theaters.py> <class testintheaters> <function test_in_theaters>===================================================== no tests ran in 0.10s ======================================================
从结果中看到，一共有一条测试用例，测试用例位于tests/test_in_theaters.py这个module里面testintheaters这个类中的test_in_theaters这个方法。
在pytest中断言使用的是python自带的asrt语句，非常简单。
下面来运行这个测试：
$ py.test tests/====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytestcollected 1 itemtests/test_in_theaters.py . [100%]======================================================= 1 pasd in 0.61s ========================================================(api_pytest) mbc02x21w4g8wn:api_pytest chunming.liu$ py.test tests/====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytestcollected 1 itemtests/test_in_theaters.py f [100%]============================================================ failures ============================================================________________________________________________ testinthea赞美女人的诗ters.test_in_theaters _________________________________________________lf = <test_in_theaters.testintheaters object at 0x110eee9d0> def test_in_theaters(lf): host = "http://api.douban.com" path = "/v2/movie/in_theaters" params = {"apikey": "0df993c66c0c636e29ecbb5344252a4a", "start": 0, "count": 10 } headers = { "ur-agent": "mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.149 safari/537.36" } r = requests.request("get", url=host + path, headers=headers, params=params) respon = r.json() asrt respon["count"] == params["count"] asrt respon["start"] == params["start"] asrt respon["total"] == len(respon["subjects"])> asrt respon["title"] == "正在上映的电影-上海", "实际的标题是：{}".format(respon["title"])e asrtionerror: 实际的标题是：正在上映的电影-北京e asrt '正在上映的电影-北京' == '正在上映的电影-上海'e - 正在上映的电影-上海e ? ^^e + 正在上映的电影-北京e ? ^^tests/test_in_theaters.py:20: asrtionerror==================================================== short test summary info =====================================================failed tests/test_in_theaters.py::testintheaters::test_in_theaters - asrtionerror: 实际的标题是正在上映的电影-北京======================================================= 1 failed in 0.96s ========================================================这个命令执行时，会在tests/目录里面寻找测试用例。执行测试的时候，如果不指定测试用例所在目录，pytest会在当前的目录下，按照前面介绍的规则寻找测试用例并执行。
通过上面的测试输出，我们可以看到该测试过程中，一共收集到了一个测试用例，测试结果是失败的（标记为f），并且在failures部分输出了详细的错误信息，通过这些信息，我们可以分析测试失败的原因。上面测试用例的失败原因是在断言title的时候出错了，预期的title是“正在上映的电影-上海”，但是实际是“正在上映的电影-北京”，预期和实际的对比非常直观。
执行测试用例的方法还有很多种，都是在py.test后面添加不同的参数即可，我在下面罗列了一下：
$ py.test # run all tests below current dir$ py.test test_module.py # run tests in module$ py.test somepath # run all tests below somepath$ py.test -k stringexpr # only run tests with names that match the # the "string expression", e.g. "myclass and not method" # will lect testmyclass.test_something # but not testmyclass.test_method_simple$ py.test test_module.py::test_func # only run tests that match the "node id", # e.g "test_mod.py::test_func" will lect # only test_func in test_mod.py
上面这些用法，通过注释很容易理解。在测试执行过程中，这些方法都有机会被用到，最好掌握一下。
03小节的测试用例，将测试数据和测试代码放到了同一个py文件中，而且是同一个测试方法中，产生了紧耦合，会导致修改测试数据或测试代码时，可能会相互影响，不利于测试数据和测试脚本的维护。比如，为测试用例添加几组新的测试数据，除了准备测试数据外，还要修改测试代码，降低了测试代码的可维护性。
另外接口测试往往是数据驱动的测试，测试数据和测试代码放到一起也不方便借助pytest做参数化。
将测试代码和测试数据分离已经是测试领域中的共识了。在data/目录下创建一个用于存放测试数据的yaml文件test_in_theaters.yaml，内容如下:
---tests:- ca: 验证响应中start和count与请求中的参数一致 http: method: get path: /v2/movie/in_theaters headers: ur-agent: mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.149 safari/537.36 params: apikey: 0df993c66c0c636e29ecbb5344252a4a start: 0 count: 10 expected: respon: title: 正在上映的电影-上海 count: 10 start: 0
熟悉yaml格式的同学，应该很容易看懂上面测试数据文件的内容。这个测试数据文件中，有一个数组tests，里面包含的是一条完整的测试数据。一个完整的测试数据由三部分组成：
ca，表示测试用例名称。http，表示请求对象。expected，表示预期结果。http这个请求对象包含了被测接口的所有参数，包括请求方法、请求路径、请求头、请求参数。
expected表示预期结果，上面的测试数据中，只列出了对请求响应的预期值，实际测试中，还可以列出对数据库的预期值。
测试脚本也要做相应的改造，需要读取test_in_theaters.yaml文件获取请求数据和预期结果，然后通过requests发出请求。修改后的测试代码如下：
import requestsimport yamldef get_test_data(test_data_path): 十万左右的车排行榜 ca = [] # 存储测试用例名称 http = [] # 存储请求对象 expected = [] # 存储预期结果 with open(test_data_path) as f: dat = yaml.load(f.read(), loader=yaml.safeloader) test = dat['tests'] for td in test: ca.append(td.get('ca', '')) http.append(td.get('http', {})) expected.append(td.get('expected', {})) parameters = zip(ca, http, expected) return ca, parameterscas, parameters = get_test_data("/urs/chunming.liu/learn/api_pytest/data/test_in_theaters.yaml")list_params=list(parameters)class testintheaters(object): def test_in_theaters(lf): host = "http://api.douban.com" r = requests.request(list_params[0][1]["method"], url=host + list_params[0][1]["path"], headers=list_params[0][1]["headers"], params=list_params[0][1]["params"]) respon = r.json() asrt respon["count"] == list_params[0][2]['respon']["count"] asrt respon["start"] == list_params[0][2]['respon']["start"] asrt respon["total"] == len(respon["subjects"]) asrt respon["title"] == list_params[0][2]['respon']["title"], "实际的标题是：{}".format(respon["title"])注意，读取yaml文件，需要安装pyyaml包。
测试脚本中定义了一个读取测试数据的函数get_test_data，通过这个函数从测试数据文件test_in_theaters.yaml中读取到了测试用例名称ca，请求对象http和预期结果expected。这三部分分别是一个列表，通过zip将他们压缩到一起。
测试方法test_in_theaters并没有太大变化，只是发送请求所使用的测试数据不是写死的，而是来自于测试数据文件了。
通常情况下，读取测试数据的函数不会定义在测试用例文件中，而是会放到utils包中，比如放到utils/commonlib.py中。至此，整个项目的目录结构应该是如下所示：
$ tree.├── pipfile├── pipfile.lock├── config├── data│ └── test_in_theaters.yaml├── tests│ └── test_in_theaters.py└── utils └── commlib.py
这样，我们修改测试脚本，就修改test_in_theaters.py，变更测试数据，就修改test_in_theaters.yaml。但是目前看，感觉好像并没有真正看到测试数据和脚本分离的厉害之处，或者更加有价值的地方，那么我们接着往下看。
上面我们将测试数据和测试脚本相分离，如果要为测试用例添加更多的测试数据，往tests数组中添加更多的同样格式的测试数据即可。这个过程叫作参数化。
参数化的意思是对同一个接口，使用多种不同的输入对其进行测试，以验证是否每一组输入参数都能得到预期结果。pytest提供了pytest.mark.paramtrize这种方式来进行参数化，我们先看下官方网站提供的介绍pytest.mark.paramtrize用法的例子：
# content of tests/test_time.pyimport pytestfrom datetime import datetime, timedeltatestdata = [ (datetime(2001, 12,时间可数吗 12), datetime(2001, 12, 11), timedelta(1)), (datetime(2001, 12, 11), datetime(2001, 12, 12), timedelta(-1)),]@pytest.mark.parametrize("a,b,expected", testdata)def test_timedistance_v0(a, b, expected): diff = a - b asrt diff == expected执行上面的脚本将会得到下面的输出，测试方法test_timedistance_v0被执行了两遍，第一遍执行用的测试数据是testdata列表中的第一个元组，第二遍执行时用的测试数据是testdata列表中的第二个元组。这就是参数化的效果，同一个脚本可以使用不同的输入参数执行测试。
============================= test ssion starts ==============================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1 -- /urs/chunming.liu/.local/share/virtualenvs/api_pytest-wcozfxsu/bin/pythoncachedir: .pytest_cacherootdir: /urs/chunming.liu/learn/api_pytest/testscollecting ... collected 2 itemstest_time.py::test_timedistance_v0[a0-b0-expected0] pasd [ 50%]test_time.py::test_timedistance_v0[a1-b1-expected1] pasd [100%]============================== 2 pasd in 0.02s ===============================
照猫画虎，对我们自己的测试项目中的测试脚本进行如下修改。
import pytestimport requestsfrom utils.commlib import get_test_datacas, list_params = get_test_data("/urs/chunming.liu/learn/api_pytest/data/test_in_theaters.yaml")class testintheaters(object): @pytest.mark.parametrize("ca,http,expected", list(list_params), ids=cas) def test_in_theaters(lf, ca, http, expected): host = "http://api.douban.com" r = requests.request(http["method"], url=host + http["path"], headers=http["headers"], params=http["params"]) respon = r.json() asrt respon["count"] == expected['respon']["count"] asrt respon["start"] == expected['respon']["start"] asrt respon["title"] == expected['respon']["title"], "实际的标题是：{}".format(respon["title"])在测试方法上面添加了一个装饰器@pytest.mark.parametrize，装饰器会自动对list(list_params)解包并赋值给装饰器的第一参数。装饰器的第一个参数中逗号分隔的变量可以作为测试方法的参数，在测试方法内就可以直接获取这些变量的值，利用这些值发起请求和进行断言。装饰器还有一个参数叫ids，这个值作为测试用例的名称将打印到测试结果中。
在执行修改后的测试脚本前，我们在测试数据文件再增加一组测试数据，现在测试数据文件中，包含了两组测试数据：
---tests:- ca: 验证响应中start和count与请求中的参数一致 http: method: get path: /v2/movie/in_theaters headers: ur-agent: mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.149 safari/537.36 params: apikey: 0df993c66c0c636e29ecbb5344252a4a start: 0 count: 10 expected: respon: title: 正在上映的电影-上海 count: 10 start: 0- ca: 验证响应中title是"正在上映的电影-北京" http: method: get path: /v2/movie/in_theaters headers: ur-agent: mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chrome/80.0.3987.149 safari/537.36 params: apikey: 0df993c66c0c636e29ecbb5344252a4a start: 1 count: 5 expected: respon: title: 正在上映的电影-北京 count: 5 start: 1
现在我们执行一下测试脚本，看看效果：
$ export pythonpath=/urs/chunming.liu/learn/api_pytest$ py.test tests/test_in_theaters.py ====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytest, inifile: pytest.inicollected 2 items tests/test_in_theaters.py f. [100%]============================================================ failures ============================================================___________________________________ testintheaters.test_in_theaters[验证响应中start和count与请求中的参数一致] ___________________________________lf = <test_in_theaters.testintheaters object at 0x102659510>, ca = '验证响应中start和count与请求中的参数一致'http = {'headers': {'ur-agent': 'mozilla/5.0 (macintosh; intel mac os x 10_14_5) applewebkit/537.36 (khtml, like gecko) chr...t', 'params': {'apikey': '0df993c66c0c636e29ecbb5344252a4a', 'count': 10, 'start': 0}, 'path': '/v2/movie/in_theaters'}expected = {'respon': {'count': 10, 'start': 0, 'title': '正在上映的电影-上海'}} @pytest.mark.parametrize("ca,http,expected", list(list_params), ids=cas) def test_in_theaters(lf, ca, http, expected): host = "http://api.douban.com" r = requests.request(http["method"], url=host + http["path"], headers=http["headers"], params=http["params"]) respon = r.json() asrt respon["count"] == expected['respon']["count"] asrt respon["start"] == expected['respon']["start"]> asrt respon["title"] == expected['respon']["title"], "实际的标题是：{}".format(respon["title"])e asrtionerror: 实际的标题是：正在上映的电影-北京e asrt '正在上映的电影-北京' == '正在上映的电影-上海'e - 正在上映的电影-上海e ? ^^e + 正在上映的电影-北京e ? ^^tests/test_in_theaters.py:20: asrtionerror==================================================== short test summary info =====================================================failed tests/test_in_theaters.py::testintheaters::test_in_theaters[\u9a8c\u8bc1\u54cd\u5e94\u4e2dstart\u548ccount\u4e0e\u8bf7\u6c42\u4e2d\u7684\u53c2\u6570\u4e00\u81f4]================================================== 1 failed, 1 pasd in 0.69s ===================================================从结果看，pytest收集到了2个items，测试脚本执行了两遍，第一遍执行用第一组测试数据，结果是失败(f)，第二遍执行用第二组测试数据，结果是通过(.)。执行完成后的summary info部分，看到了一些unicode编码，这里其实是ids的内容，因为是中文，所以默认这里显示unicode编码。为了显示中文，需要在测试项目的根目录下创建一个pytest的配置文件pytest.ini，在其中添加如下代码：
[pytest]disable_test_id_escaping_and_forfeit_all_rights_to_community_support = true
再次执行测试脚本，在测试结果的summary_info部分，则会显示正确中文内容了。
failed tests/test_in_theaters.py::testintheaters::test_in_theaters[验证响应中start和count与请求中的参数一致] – asrtionerror: …
按照这种参数化的方法，如果想修改或者添加测试数据，只需要修改测试数据文件即可。
现在，自动化测试项目的目录结构应该是如下这样：
$ tree.├── pipfile├── pipfile.lock├── config├── data│ └── test_in_theaters.yaml├── pytest.ini├── tests│ ├── test_in_theaters.py│ └── test_time.py└── utils └── commlib.py4 directories, 7 files
06小节的自动化测试代码中，host是写在测试脚本中的，这种硬编码方式显然是不合适的。这个host在不同的测试脚本都会用到，应该放到一个公共的地方来维护。如果需要对其进行修改，那么只需要修改一个地方就可以了。根据我的实践经验，将其放到config文件夹中，是比较好的。
除了host外，其他与测试环境相关的配置信息也可以放到config文件夹中，比如数据库信息、kafka连接信息等，以及与测试环境相关的基础测试数据，比如测试账号。很多时候，我们会有不同的测试环境，比如dev环境、test环境、stg环境、prod环境等。我们可以在config文件夹下面创建子目录来区分不同的测试环境。因此config文件夹，应该是类似这样的结构：
├── config│ ├── prod│ │ └── config.yaml│ └── test│ └── config.yaml
在config.yaml中存放不同环境的配置信息，以前面的例子为例，应该是这样：
host: douban: http://api.douban.com
将测试配置信息从脚本中拆分出来，就需要有一种机制将其读取到，才能在测试脚本中使用。pytest提供了fixture机制，通过它可以在测试执行前执行一些操作，在这里我们利用fixture提前读取到配置信息。我们先对官方文档上的例子稍加修改，来介绍fixture的使用。请看下面的代码：
import pytest@pytest.fixturedef smtp_connection(): import smtplib connection = smtplib.smtp_ssl("smtp.163.com", 465, timeout=5) yield connection print("teardown smtp") connection.clo()def test_ehlo(smtp_connection): respon, msg = smtp_connection.ehlo() asrt respon == 250 asrt 0这段代码中，smtp_connection被装饰器@pytest.fixture装饰，表明它是一个fixture函数。这个函数的功能是连接163邮箱服务器，返回一个连接对象。当test_ehlo的最后一次测试执行完成后，执行print(“teardown smtp”)和connection.clo()断开smtp连接。
fixture函数名可以作为测试方法test_ehlo的参数，在测试方法内部，使用fixture函数名这个变量，就相当于是在使用fixture函数的返回值。
回到我们读取测试配置信息的需求上，在自动化测试项目tests/目录中创建一个文件conftest.py，定义一个fixture函数env：
@pytest.fixture(scope="ssion")def env(request): config_path = os.path.join(request.config.rootdir, "config", "test", "config.yaml") with open(config_path) as f: env_config = yaml.load(f.read(), loader=yaml.safeloader) return env_config
conftest.py文件是一个plugin文件，里面可以实现pytest提供的hook函数或者自定义的fixture函数，这些函数只在conftest.py所在目录及其子目录中生效。scope=”ssion”表示这个fixture函数的作用域是ssion级别的，在整个测试活动中开始前执行，并且只会被执行一次。除了ssion级别的fixture函数，还有function级别、class级别等。
env函数中有一个参数request，其实request也是一个fixture函数。在这里用到了它的request.config.rootdir属性，这个属性表示的是pytest.ini这个配置文件所在的目录，因为我们的测试项目中pytest.ini处于项目的根目录，所以config_path的完整路径就是：
/urs/chunming.liu/learn/api_pytest/config/test/config.yaml
将env作为参数传入测试方法test_in_theaters，将测试方法内的host改为env[“host”][“douban”]：
class testintheaters(object): @pytest.mark.parametrize("ca,http,expected", list(list_params), ids=cas) def test_in_theaters(lf, env, ca, http, expected): r = requests.request(http["method"], url=env["host"]["douban"] + http["path"], headers=http["headers"], params=http["params"]) respon = r.json()这样就达到了测试配置文件与测试脚本相互分离的效果，如果需要修改host，只需要修改配置文件即可，测试脚本文件就不用修改了。修改完成后执行测试的方法不变。
上面的env函数实现中，有点点小缺憾，就是读取的配置文件是固定的，读取的都是test环境的配置信息，我们希望在执行测试时，通过命令行选项，可指定读取哪个环境的配置，以便在不同的测试环境下开展测试。pytest提供了一个叫作pytest_addoption的hook函数，可以接受命令行选项的参数，写法如下：
def pytest_addoption(parr): parr.addoption("--env", action="store", dest="environment", default="test", help="environment: test or prod")pytest_addoption的含义是，接收命令行选项–env选项的值，存到environment变量中，如果不指定命令行选项，environment变量默认值是test。将上面代码也放入conftest.py中，并修改env函数，将os.path.join中的”test”替换为request.config.getoption(“environment”)，这样就可以通过命令行选项来控制读取的配置文件了。比如执行test环境的测试，可以指定–env test：
$ py.test --env test tests/test_in_theaters.py
如果不想每次都在命令行上指定–env，还可以将其放入pyest.ini中：
[pytest]addopts = --env prod
命令行上的参数会覆盖pyest.ini里面的参数。
很多时候，我们需要在测试用例执行前做数据库连接的准备，做测试数据的准备，测试执行后断开数据库连接，清理测试脏数据这些工作。通过07小节大家对于通过env这个fixture函数，如何在测试开始前的开展准备工作有所了解，本小节将介绍更多内容。
@pytest.fixture函数的scope可能的取值有function，class，module，package 或 ssion。他们的具体含义如下：
function，表示fixture函数在测试方法执行前和执行后执行一次。class，表示fixture函数在测试类执行前和执行后执行一次。module，表示fixture函数在测试脚本执行前和执行后执行一次。package，表示fixture函数在测试包（文件夹）中第一个测试用例执行前和最后一个测试用例执行后执行一次。ssion，表示所有测试的最开始和测试结束后执行一次。通常，数据库连接和断开、测试配置文件的读取等工作，是需要放到ssion级别的fixture函数中，因为这些操作针对整个测试活动只需要做一次。而针对测试数据的准备，通常是function级别或者class级别的，因为测试数据针对不同的测试方法或者测试类往往都不相同。
在testintheaters测试类中，模拟一个准备和清理测试数据的fixture函数preparation，scope设置为function：
@pytest.fixture(scope="function") def preparation(lf): print("在数据库中准备测试数据") test_data = "在数据库中准备测试数据" yield test_data print("清理测试数据")在测试方法中，将preparation作为参数，通过下面的命令执行测试：
$ pipenv py.test 2020 开学第一课 的读后感怎样写 -s -q --tb=no tests/test_in_theaters.py====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytest, inifile: pytest.inicollected 2 items tests/test_in_theaters.py 在数据库中准备测试数据f清理测试数据在数据库中准备测试数据.清理测试数据==================================================== short test summary info =====================================================failed tests/test_in_theaters.py::testintheaters::test_in_theaters[验证响应中start和count与请求中的参数一致] - asrtionerror: ...================================================== 1 failed, 1 pasd in 0.81s ===================================================
通过输出可以看到在每一条测试用例执行前后，各执行了一次“在数据库中准备测试数据”和“清理测试数据”。如果scope的值改为class，执行测试用例的输出信息将是下面这样：
tests/test_in_theaters.py 在数据库中准备测试数据
f.清理测试数据
在测试类执行前后各执行一次“在数据库中准备测试数据”和“清理测试数据”。
通过pytest.mark可以给测试用例打上标记，常见的应用场景是：针对某些还未实现的功能，将测试用例主动跳过不执行。或者在某些条件下，测试用例跳过不执行。还有可以主动将测试用例标记为失败等等。针对三个场景，pytest提供了内置的标签，我们通过具体代码来看一下：
import sysimport pytestclass testmarks(object): @pytest.mark.skip(reason="not implementation") def test_the_unknown(lf): """ 跳过不执行，因为被测逻辑还没有被实现 """ asrt 0 @pytest.mark.skipif(sys.version_info < (3, 7), reason="requires python3.7 or higher") def test_skipif(lf): """ 低于python3.7版本不执行这条测试用例 :return: """ asrt 1 @pytest.mark.xfail def test_xfail(lf): """ indicate that you expect it to fail 这条用例失败时，测试结果被标记为xfail（expected to fail），并且不打印错误信息。 这条用例执行成功时，测试结果被标记为xpasd（unexpectedly passing） """ asrt 0 @pytest.mark.xfail(run=fal) def test_xfail_not_run(lf): """ run=fal表示这条用例不用执行 """ asrt 0
下面来运行这个测试：
$ py.test -s -q --tb=no tests/test_marks.py====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytest, inifile: pytest.inicollected 4 items tests/test_marks.py s.xx============================================ 1 pasd, 1 skipped, 2 xfailed in 0.06s =============================================
从结果中可以看到，第一条测试用例skipped了，第二条测试用例pasd了，第三条和第四条测试用例xfailed了。
除了内置的标签，还可以自定义标签并加到测试方法上：
@pytest.mark.slow def test_slow(lf): """ 自定义标签 """ asrt 0
这样就可以通过-m过滤或者反过滤，比如只执行被标记为slow的测试用例：
$ py.test -s -q --tb=no -m "slow" tests/test_marks.py$ py.test -s -q --tb=no -m "not slow" tests/test_marks.py
对于自定义标签，为了避免出现pytestunknownmarkwarning，最好在pytest.ini中注册一下：
[pytest]markers = slow: marks tests as slow (delect with '-m "not slow"')
如果自动化测试用例数量成千上万，那么并发执行它们是个很好的主意，可以加快整体测试用例的执行时间。
pyest有一个插件pytest-xdist可以做到并发执行，安装之后，执行测试用例通过执行-n参数可以指定并发度，通过auto参数自动匹配cpu数量作为并发度。并发执行本文的所有测试用例：
$ py.test -s -q --tb=no -n auto tests/====================================================== test ssion starts =======================================================platform darwin -- python 3.7.7, pytest-5.4.1, py-1.8.1, pluggy-0.13.1rootdir: /urs/chunming.liu/learn/api_pytest, inifile: pytest.iniplugins: xdist-1.31.0, forked-1.1.3gw0 [10] / gw1 [10] / gw2 [10] / gw3 [10] / gw4 [10] / gw5 [10] / gw6 [10] / gw7 [10]s.fxxf..f.==================================================== short test summary info =====================================================failed tests/test_marks.py::testmarks::test_slow - asrt 0failed tests/test_smtpsimple.py::test_ehlo - asrt 0failed tests/test_in_theaters.py::testintheaters::test_in_theaters[验证响应中start和count与请求中的参数一致] - asrtionerror: ...======================================= 3 failed, 4 pasd, 1 skipped, 2 xfailed in 1.91s ========================================
可以非常直观的感受到，并发执行比顺序执行快得多。但是并发执行需要注意的是，不同的测试用例之间不要有测试数据的相互干扰，最好不同的测试用例使用不同的测试数据。
这里提一下，pytest生态中，有很多第三方插件很好用，更多的插件可以在这里https://pypi.org/arch/?q=pytest-查看和搜索，当然我们也可以开发自己的插件。
pytest可以方便的生成测试报告，通过指定–junitxml参数可以生成xml格式的测试报告，junitxml是一种非常通用的标准的测试报告格式，可以用来与持续集成工具等很多工具集成：
$ py.test -s -q --junitxml=./report.xml tests/
现在应用更加广泛的测试报告是allure，可以方便的与pytest集成，大家可以参考我的另外一篇公众号文章《用pytest+allure生成漂亮的html图形化测试报告》。
本文章以实际项目出发，介绍了如何编写测试用例、如何参数化、如何进行测试配置管理、如何进行测试的准备和清理，如何进行并发测试并生成报告。根据本文的介绍，你能够逐步搭建起一套完整的测试项目。
本文并没有对pytest的细节和比较高阶的内容做充分介绍，以后再进行专题介绍，这篇文章主要目的是让大家能够将pytest用起来。更高阶的内容，公众号后续文章还将继续对其进行介绍。至此，我们的自动化测试项目完整目录结构如下：
$ tree.├── pipfile├── pipfile.lock├── config│ ├── prod│ │ └── config.yaml│ └── test│ └── config.yaml├── data│ └── test_in_theaters.yaml├── pytest.ini├── tests│ ├── conftest.py│ ├── test_in_theaters.py│ ├── test_marks.py│ ├── test_smtpsimple.py│ └── test_time.py└── utils └── commlib.py6 directories, 12 files
[1] https://docs.pytest.org/en/latest/
[2] https://www.guru99.com/pytest-tutorial.html
到此这篇关于浅谈基于pytest框架的自动化测试开发实践的文章就介绍到这了,更多相关pytest自动化测试内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
本文发布于:2023-04-04 05:01:57，感谢您对本站的认可！
本文链接：https://www.wtabcd.cn/fanwen/zuowen/f2706def1a14073ab0b616c1d7e5f501.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
本文word下载地址：浅谈基于Pytest框架的自动化测试开发实践.doc
本文 PDF 下载地址：浅谈基于Pytest框架的自动化测试开发实践.pdf
| 留言与评论（共有 0 条评论） |
