1. pytest 基础入门

测试框架的功能：

测试发现
环境管理
执行用例
输入报告

1.1 测试发现

命名规则：

创建 test_ 开头的文件
创建 Test 开头的类
创建 test_ 开头的函数或方法

pytest 以函数/方法作为一个用例，且命名规则必须符合上述规则

命名不符合规则，则为普通函数/方法/类

启动方式：终端输入pytest，会自动执行用例，并输出用例的收集、执行、汇总信息

执行用例终端输出的用例执行情况：
如：

test_first.py .E  
test_first.py  ..

缩写字母表示对应情况

1.2 断言 assert

pytest 直接使用 Python 原生的 assert 语句进行断言，无需记忆复杂的断言方法（如 unittest 的 self.assertEqual），更简洁灵活。

# 1. 基础断言
def test_basic_assert():
    assert 10 == 10  # 相等
    assert 20 != 30  # 不等
    assert 5 > 3     # 大于
    assert 2 <= 2    # 小于等于
    assert "hello" in "hello world"  # 包含
    assert "x" not in [1, 2, 3]      # 不包含
    
# 2. 异常断言
def test_exception_assert():
    # 断言：字符串转整数时，非数字字符串会抛ValueError
    with pytest.raises(ValueError):
        int("not_a_number")

    # 进阶：捕获异常对象，验证异常信息
    with pytest.raises(ValueError) as exc_info:
        int("invalid")
    assert "invalid literal for int()" in str(exc_info.value)  # 验证异常描述
    
# 3. 布尔值断言
def test_boolean_assert():
    assert True  # 断言条件为真
    assert not False  # 断言条件为假
    assert len([1, 2, 3]) > 0  # 间接断言（列表非空）
    
# 4. 近似值断言
def test_approx_assert():
    # 直接比较可能失败（因浮点数精度）
    # assert 0.1 + 0.2 == 0.3  # 实际结果是0.30000000000000004，会失败
    
    # 用approx()允许微小误差
    assert 0.1 + 0.2 == pytest.approx(0.3)  # 成功
    
# 5. 集合/列表断言
def test_collection_assert():
    # 断言列表包含指定元素（不考虑顺序）
    assert [1, 2, 3] == pytest.assertion.rewrite.util.same_elements([3, 2, 1])
    
    # 断言集合相等
    assert {1, 2, 3} == {3, 2, 1}

1.3 前置后置处理（setup/teardown）

用于在测试前准备资源（如初始化数据）、测试后清理资源（如关闭连接），pytest 支持函数级和类级的前后置：

函数级（每个测试函数执行前后）

def setup_function():
    print("\n测试函数开始前：准备数据")

def teardown_function():
    print("测试函数结束后：清理数据")

def test_case1():
    print("执行测试用例1")

def test_case2():
    print("执行测试用例2")

运行结果（加 -s 查看 print）：

测试函数开始前：准备数据
执行测试用例1
测试函数结束后：清理数据

测试函数开始前：准备数据
执行测试用例2
测试函数结束后：清理数据

类级（每个测试类中的所有用例执行前后）

class TestDB:
    @classmethod
    def setup_class(cls):
        print("\n测试类开始前：连接数据库")

    @classmethod
    def teardown_class(cls):
        print("测试类结束后：关闭数据库")

    def test_query(self):
        print("执行查询测试")

    def test_insert(self):
        print("执行插入测试")

运行结果：

测试类开始前：连接数据库
执行查询测试
执行插入测试
测试类结束后：关闭数据库

这里的 @classmethod 是一个装饰器，等同于类的静态方法，第一个参数固定为 cls，代表类本身，通过cls，可以访问类的属性和其他类方法，常用于定义与类相关的工具方法

1.4 fixture 测试资源的灵活管理

Fixture 用于定义测试前的准备（如初始化资源）和测试后的清理（如释放资源），替代传统的 setup/teardown，支持跨用例、跨模块共享，是自动化测试中管理公共逻辑的核心工具。

核心特性：

作用域（scope）：控制 fixture 的执行次数，可选值：
- function（默认，每个用例执行一次）
- class（每个类执行一次，类内测试共享）
- module（每个测试文件执行一次，文件内测试共享）
- session（整个测试会话调用一次，全局共享）。
依赖传递：fixture 可以依赖其他 fixture，形成依赖链。
自动使用（autouse）：设置 autouse=True 时，作用域内的所有用例会自动调用该 fixture，无需显式声明。
参数化（params）：通过 params 为 fixture 传入多组参数，配合 request 对象获取参数，实现多场景复用。

1.5 参数化

通过 @pytest.mark.parametrize 为测试用例传入多组数据，实现 “一套逻辑，多组数据” 的测试，尤其适合接口测试、表单验证等场景。

进阶用法：

多参数组合：同时对多个参数进行参数化（如接口的 method 和 data 组合）。
从外部文件读取数据：结合 yaml/json 等文件，实现测试数据与代码分离。

1.6 标记与筛选

通过 @pytest.mark.xxx 为用例打标记（如 smoke 冒烟用例、regression 回归用例、prod 生产环境用例），运行时通过 -m 筛选指定标记的用例，灵活控制执行范围。

通过 mark，可以实现对测试用例的分类、筛选、条件执行等功能，灵活控制测试范围（例如只运行 “冒烟测试” 用例，或跳过某些暂时不执行的用例）。

自定义标记需在项目根目录的 pytest.ini 中注册（否则运行时会警告 “未知标记”）：

[pytest]
markers =
    smoke: 冒烟测试用例（核心功能）
    regression: 回归测试用例
    payment: 支付模块用例
    high: 高优先级
    low: 低优先级

1.7 生态扩展

pytest 的强大很大程度依赖于插件，自动化测试中常用插件：

pytest-html：生成美观的 HTML 测试报告（含用例详情、失败截图等）。
pytest-xdist：多进程并行执行用例，大幅缩短执行时间（尤其适合用例量大的场景）。
pytest-rerunfailures：失败用例自动重试（解决网络波动、偶发超时等问题）。
pytest-ordering：控制用例执行顺序（虽然不推荐强依赖，但特殊场景下有用，如流程性测试）。

2. 具体案例

2.1 接口自动化测试（结合 Fixture 和参数化）

场景：测试一个用户登录接口（POST /api/login），需要覆盖 “正确账号密码”“账号不存在”“密码错误” 等场景，且后续接口需依赖登录返回的 token。

实现步骤：

用 fixture 管理公共资源（如请求会话、基础 URL、清理测试数据）。
用参数化覆盖多组测试数据。
用 fixture 传递 token 给后续依赖接口。

import pytest
import requests
import json

# 读取测试数据（从外部json文件）
with open("login_data.json", "r") as f:
    login_cases = json.load(f)  
    # 格式：[{"case": "正确账号", "data": {...}, "expected": {...}}, ...]

# Fixture：全局会话（复用请求连接）
@pytest.fixture(scope="session")
def session():
    s = requests.Session()
    yield s
    s.close()  # 测试结束后关闭会话

# Fixture：基础URL（从配置文件读取，这里简化）
@pytest.fixture(scope="session")
def base_url():
    return "https://api-test.example.com"

# Fixture：登录并返回token（依赖session和base_url）
@pytest.fixture(scope="module")
def login_token(session, base_url):
    # 前置：执行登录（用正确账号，为后续接口准备token）
    login_data = {"username": "test_user", "password": "test_pass"}
    res = session.post(f"{base_url}/api/login", json=login_data)
    assert res.status_code == 200
    token = res.json()["data"]["token"]
    yield token
    # 后置：登出（清理状态）
    session.post(f"{base_url}/api/logout", headers={"Authorization": f"Bearer {token}"})

# 测试登录接口（参数化多场景）
@pytest.mark.parametrize("case", login_cases)
def test_login(session, base_url, case):
    res = session.post(
        f"{base_url}/api/login",
        json=case["data"]
    )
    # 断言状态码和响应信息
    assert res.status_code == case["expected"]["status_code"]
    assert res.json()["message"] == case["expected"]["message"]

# 测试依赖token的接口（如获取用户信息）
def test_get_user_info(session, base_url, login_token):
    res = session.get(
        f"{base_url}/api/user/info",
        headers={"Authorization": f"Bearer {login_token}"}
    )
    assert res.status_code == 200
    assert res.json()["data"]["username"] == "test_user"

核心亮点：

session fixture 复用 HTTP 连接，减少开销；
login_token fixture 前置登录、后置登出，确保测试环境干净；
从外部文件读取测试数据，实现 “数据 - 代码” 分离，便于维护。

2.2 UI 自动化测试

场景：用 Selenium 测试某网站的搜索功能，需要支持失败重试、并行执行，并生成带截图的报告。