如何使用Python进行单元测试？

在Python中进行单元测试，可通过内置的unittest模块或第三方pytest框架实现。核心步骤包括编写测试用例、使用断言验证逻辑、处理依赖关系，并遵循最佳实践提升测试质量。

1. 导入模块

   import unittest

2. 创建测试类继承unittest.TestCase，定义测试类：

   class MyTest(unittest.TestCase): pass # 后续添加测试方法

3. 编写测试方法方法名需以test_开头，包含断言语句：

   class MyTest(unittest.TestCase): def test_addition(self): self.assertEqual(2 + 2, 4) # 断言2+2等于4

4. 常用断言方法

   assertEqual(a, b)：验证a == b

   assertTrue(x)：验证x为真

   assertFalse(x)：验证x为假

   assertRaises(exc, fun, *args)：验证函数fun是否抛出异常exc

5. 运行测试

   脚本内运行：在文件末尾添加以下代码：if __name__ == '__main__': unittest.main()

   命令行运行：python -m unittest your_test_file.py

6. 组织测试用例对于大型项目，可通过TestSuite和TestLoader分类管理测试：

   suite = unittest.TestLoader().loadTestsFromTestCase(MyTest)unittest.TextTestRunner().run(suite)

1. 覆盖多种场景

   正常情况：验证函数在预期输入下的行为。

   边界情况：测试零、负数、极大/极小值等极端输入。

   异常情况：验证函数对无效输入的处理（如抛出异常）。

2. 处理依赖关系使用unittest.mock模拟外部依赖（如API调用、数据库）：

   from unittest.mock import patchdef get_data_from_api(): pass # 实际调用外部API@patch('your_module.get_data_from_api') # 替换为模拟对象def test_api_call(mock_get_data): mock_get_data.return_value = {'data': 'mocked'} # 设置模拟返回值 result = your_function_using_api() # 调用被测函数 self.assertEqual(result, {'data': 'mocked'})

1. 测试驱动开发（TDD）先编写测试用例，再实现功能，确保代码可测试性。

2. 保持测试独立每个测试用例不应依赖其他测试的执行顺序或状态。

3. 命名清晰测试方法名应明确描述测试场景，例如：

   test_addition_with_positive_numbers（优于test_add）

   test_login_with_invalid_password

4. 持续集成将单元测试集成到CI/CD流程中，自动运行测试并反馈结果。

5. 代码覆盖率使用工具（如coverage.py）衡量测试覆盖的代码比例，但避免盲目追求100%。

1. 安装与基本用法

   pip install pytest

   编写测试函数（无需继承类）：

   def test_addition(): assert 2 + 2 == 4 # 使用自然断言语法

2. 优势功能

   Fixtures：管理测试前置/后置操作（如初始化数据库）。

   参数化测试：通过@pytest.mark.parametrize测试多组输入。

   插件生态：支持覆盖率报告、并行测试等扩展功能。

3. 适用场景

   大型项目：pytest的简洁语法和强大功能更高效。

   小型项目：unittest无需额外依赖，适合轻量级需求。

• unittest：Python内置，适合基础测试需求，通过继承和断言方法组织测试。
• pytest：更灵活，支持自然断言和高级功能，适合复杂项目。
• 关键原则：覆盖全面场景、隔离依赖、保持测试独立性和可读性，结合TDD和持续集成提升代码质量。