〇、测试框架的核心作用

测试框架是软件开发中用于标准化、自动化、高效执行测试工作的工具集合与规范体系，核心作用是解决 “测试流程混乱、重复劳动多、结果难管理” 等问题，让测试工作从 “零散手动操作” 转向 “系统化工程”，最终保障软件质量并提升测试效率。

它主要做了以下 4 件核心事：

1. 统一测试规范，减少 “混乱成本”

不同测试人员可能用不同方式写用例、命名文件、记录结果，框架会定义统一规则：

• 规定用例结构（如 “前置条件 - 测试步骤 - 预期结果” 的固定模板）；

• 统一代码风格（如函数命名、变量定义，尤其自动化测试中）；

• 约束测试数据管理（如把测试数据单独存放在配置文件 / 数据库，而非硬编码到用例中）。

  例：Python 的 pytest 框架要求测试函数以 test_ 开头，确保框架能自动识别用例，避免因命名不统一导致用例漏执行。

2. 自动化执行测试，替代 “重复手动操作”

这是框架最核心的价值之一，尤其针对回归测试（软件迭代后，重复验证旧功能是否正常）：

• 自动识别用例：框架能扫描指定目录下符合规范的用例（如 JUnit识别带 @Test注解的方法），无需人工逐个执行；
• 自动模拟用户 / 系统操作：自动化框架（如 UI 测试的 Selenium、接口测试的 Postman/Newman）可模拟点击按钮、发送请求、对比响应等操作，替代人工在页面 / 工具上的重复操作；
• 批量执行与定时执行：支持一次性运行成百上千条用例，还可结合调度工具（如 Jenkins）实现 “每晚自动执行全量测试”，无需人工值守。

3. 简化测试辅助工作，降低 “技术门槛”

测试中需要大量辅助操作（如准备测试环境、处理异常、生成报告），框架会封装这些能力，让测试人员无需重复编写基础代码：

• 前置 / 后置处理：自动执行 “测试前启动服务、初始化数据”（如 @BeforeMethod）和 “测试后清理数据、关闭服务”（如 @AfterMethod），避免每个用例都写重复代码；
• 异常捕获与重试：自动捕获用例执行中的错误（如接口超时、元素找不到），部分框架（如 pytest-rerunfailures）支持自动重试失败用例，减少 “偶发故障” 误判；
• 自动生成报告：执行完成后，框架（如 Allure、TestNG）自动生成包含 “用例通过率、失败原因、执行耗时” 的可视化报告，无需人工整理。

4. 整合生态工具，实现 “全流程覆盖”

单一框架无法满足所有测试需求，它会提供接口整合其他工具，覆盖从 “测试准备” 到 “缺陷追踪” 的全流程：

• 测试数据：整合 Excel/CSV/数据库工具，快速读取测试数据；
• 环境管理：整合 Docker，自动拉起 / 销毁测试环境；
• 缺陷追踪：整合 Jira，用例失败时自动创建缺陷工单；
• 持续集成：整合 Jenkins/GitLab CI，将测试嵌入 “代码提交 - 构建 - 测试 - 部署” 的流水线，实现 “代码提交后自动触发测试”。

总之，测试框架的核心是 “提效、降本、保质量”—— 通过标准化和自动化，减少人工重复劳动，让测试人员聚焦于 “设计高质量用例” 而非 “执行繁琐操作”，同时确保测试结果可追溯、可信任。

一、Pytest 介绍

Pytest 是 Python 生态中最流行、最强大的自动化测试框架之一，以简洁的语法、丰富的功能和高度的可扩展性著称。它支持单元测试、集成测试、功能测试等多种测试类型，广泛应用于开发和测试场景，帮助开发者快速发现代码缺陷、保障代码质量。

相比 Python 内置的 unittest 框架，pytest 具备以下关键优势，也是其被广泛采用的核心原因：

二、Pytest 的基本用法

2.1 安装 Pytest

1. 在命令行中运行以下命令：

pip install -U pytest

2. 检查是否安装了正确的版本：

$ pytest --version
pytest 8.4.2

2.2 创建 Pytest 测试用例

2.2.1 测试用例相关命名规范

Pytest 主要通过命名来识别测试用例，以下是核心命名规则：

（一）文件命名

要创建以 test_ 开头的文件，这类文件会被 Pytest 视为包含测试用例的文件，例如 test_calculator.py，Pytest 会在运行时扫描此类文件以发现测试内容。

（二）类命名

需创建以 Test 开头的类，在这样的类中，可定义测试方法，像 class TestMathOperations:，Pytest 会将该类里符合要求的方法识别为测试用例的一部分。

（三）函数或方法命名

要创建以 test_ 开头的函数或方法。比如：

def test_a():  # 函数形式的测试用例
    pass

class Test:
    def test_b(self):  # 类中方法形式的测试用例
        pass

2.2.2 Pytest 测试用例的核心特点

（一）用例识别逻辑

Pytest 把每一个以 test_ 开头的函数或类中的方法，都当作一个测试用例。这意味着每个这样的函数或方法都会被单独执行，方便对不同功能点进行针对性测试。

（二）命名的关键作用

Pytest 主要依靠名字来区分普通函数（方法）和测试用例。只有符合 test_ 开头（函数 / 方法）、Test 开头（类）、test_ 开头（文件）这些命名规则的，才会被判定为测试用例相关的组件，普通的、不符合命名规则的函数或类则不会被当作测试用例执行。

2.2.3 Pytest 的使用方式

（一）启动方式

在命令行中，直接输入 pytest 命令，即可启动 Pytest 框架。Pytest 会自动扫描当前目录及子目录下符合命名规范的测试文件、类和方法，然后执行相应的测试用例。

（二）输出内容

执行 pytest 后，它会输出详细的测试用例相关信息，包括用例的收集情况（即找到多少个符合要求的测试用例）、执行过程（每个用例是成功还是失败等），以及最终的汇总结果（总共有多少用例通过、失败等统计数据），帮助测试人员清晰了解测试的整体情况。

2.3 断言

在 Python 编程世界中，断言（assert）是一个看似简单却功能强大的调试工具。它不仅能帮助开发者在开发阶段快速验证假设，还能在测试环节中发挥关键作用，成为代码质量的守护者。

断言本质上是一种条件验证机制，其核心语法结构为：

assert 条件表达式, 错误提示信息

当 Python 解释器执行到断言语句时，会首先评估条件表达式：

• 如果条件为真（True），程序继续正常执行，断言语句仿佛不存在
• 如果条件为假（False），则立即抛出 AssertionError 异常，并将错误提示信息作为异常描述

这个过程相当于以下代码的简化版，但更加简洁高效：

if not 条件表达式:
    raise AssertionError(错误提示信息)

2.3.1 断言的适用场景

1. 开发阶段的假设验证

在开发复杂系统时，我们经常会对程序状态做出假设。断言可以将这些假设显式化：

def calculate_average(numbers):
    # 确保输入列表不为空
    assert len(numbers) > 0, "计算平均值需要至少一个数据"
    return sum(numbers) / len(numbers)

这段代码中，断言确保了函数不会在空列表上执行除法操作，提前暴露潜在问题。

2. 单元测试中的结果验证

在单元测试框架（如 unittest 或 pytest）中，断言是验证功能正确性的核心手段：

def test_addition():
    result = 2 + 3
    assert result == 5, "2 + 3 应该等于 5"
  
def test_string_concatenation():
    result = "Hello" + " " + "World"
    assert result == "Hello World", "字符串拼接结果不正确"

测试框架会捕获断言异常，并将其转化为清晰的测试失败报告。

3. 函数参数合法性检查

断言可用于验证函数输入参数是否符合预期：

def withdraw_money(account, amount):
    # 确保取款金额为正数
    assert amount > 0, "取款金额必须为正数"
    # 确保账户余额充足
    assert account.balance >= amount, "账户余额不足"
    account.balance -= amount

2.3.2 断言的高级用法

1. 结合数据类型检查

断言可以与 isinstance() 函数结合，验证变量类型：

def process_user_data(age):
    assert isinstance(age, int), "年龄必须是整数类型"
    assert age >= 0 and age <= 120, "年龄必须在合理范围内"
    # 处理年龄数据...

2. 调试复杂数据结构

对于列表、字典等复杂数据结构，断言可以验证其内部状态：

def analyze_sales_data(sales):
    # 确保销售数据是字典类型且不为空
    assert isinstance(sales, dict) and sales, "销售数据格式不正确"
    # 确保所有销售记录都是正数
    for product, revenue in sales.items():
        assert revenue >= 0, f"{product}的销售额不能为负数"
    # 分析销售数据...

2.3.3 断言的局限性与最佳实践

尽管断言功能强大，但也有其局限性：

1. 断言可以被禁用： 当 Python 解释器使用 -O（优化）选项运行时，所有断言都会被忽略。因此，断言不能用于验证程序正常运行所必需的条件。

2. 不要用于输入验证： 对于用户输入或外部数据，应使用常规的异常处理（try-except），而不是断言。

3. 错误信息要具体： 良好的错误信息能大幅提高调试效率：

   # 不推荐
   assert len(data) == 10
   
   # 推荐
   assert len(data) == 10, f"数据长度应为10，实际为{len(data)}"
   

4. 单一职责原则： 每个断言应只验证一个条件，避免复杂的逻辑表达式。

2.3.4 断言与异常处理的区别

很多开发者会混淆断言和常规异常处理，其实它们有明确的分工：

• 断言： 用于验证 "必须为真" 的内部假设，主要用于开发和测试阶段
• 异常处理： 用于处理可能发生的预期错误，如文件不存在、网络连接失败等

# 断言：验证内部逻辑正确性
def calculate_total(items):
    assert all(isinstance(item, (int, float)) for item in items), "所有项目必须是数字"
    return sum(items)

# 异常处理：处理可能发生的外部错误
def read_config_file(filename):
    try:
        with open(filename, 'r') as f:
            return f.read()
    except FileNotFoundError:
        print(f"错误：配置文件 {filename} 不存在")
        return None

2.4 解读 Pytest 结果

pytest 会通过颜色、符号和文字清晰区分测试的不同状态，同时提供汇总报告帮助快速定位问题。

2.4.1 核心测试状态标识

pytest 用不同符号和颜色（终端默认开启颜色）区分测试结果，是解读的基础。

2.4.2 典型 pytest 输出结构解析

以一个包含 5 个测试用例的项目为例，输出结构通常分为 用例执行详情 和 汇总报告 两部分：

1. 用例执行详情（逐行输出）

collected 5 items  # 第一步：收集到的测试用例总数

tests/test\_math.py::test\_add PASSED  # 单个用例结果：文件路径::用例名 状态

tests/test\_math.py::test\_subtract FAILED  # 失败用例，后续会显示具体错误

tests/test\_math.py::test\_multiply ERROR  # 错误用例，后续会显示错误栈

tests/test\_math.py::test\_divide SKIPPED (reason: 暂不测试除法)  # 跳过用例及原因

tests/test\_math.py::test\_mod XFAILED (reason: 已知取模逻辑待修复)  # 预期失败用例

2.4.3 错误 / 失败详情（关键定位信息）

对于 FAILED 或 ERROR 的用例，pytest 会输出 错误类型、错误位置 和 上下文信息，例如：

============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
collected 1 item                                                                  

test_math.py F                                                                                                                              [100%]

==================================================================== FAILURES ====================================================================
_________________________________________________________________ test_subtract __________________________________________________________________

    def test_subtract():
        a = 10
        b = 3
>       assert a - b == 8  # 错误的断言：10-3=7≠8
        ^^^^^^^^^^^^^^^^^
E       assert (10 - 3) == 8

test_math.py:4: AssertionError
============================================================ short test summary info =============================================================
FAILED test_math.py::test_subtract - assert (10 - 3) == 8
=============================================================== 1 failed in 0.07s ================================================================

============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
collected 1 item                                                                  

test_math.py F                                                                                                                              [100%]

==================================================================== FAILURES ====================================================================
_________________________________________________________________ test_multiply __________________________________________________________________

    def test_multiply():
        a = 5
        b = "2"  # 错误：将字符串与数字相乘
>       assert a * b == 10
E       AssertionError: assert (5 * '2') == 10

test_math.py:4: AssertionError
============================================================ short test summary info =============================================================
FAILED test_math.py::test_multiply - AssertionError: assert (5 * '2') == 10
=============================================================== 1 failed in 0.08s ================================================================

2.4.4 汇总报告（核心统计）

执行完所有用例后，pytest 会输出汇总报告，包含 总耗时、用例状态分布 和 关键提示：

import pytest


# 7个通过的测试
def test_add():
    assert 2 + 3 == 5


def test_divide():
    assert 10 / 2 == 5


def test_modulus():
    assert 10 % 3 == 1


def test_power():
    assert 2 ** 3 == 8


def test_floor_division():
    assert 10 // 3 == 3


def test_negative_numbers():
    assert -5 + 3 == -2


def test_zero_operations():
    assert 0 * 5 == 0


# 1个失败的测试
def test_subtract():
    a = 10
    b = 3
    assert a - b == 8  # 错误：10-3=7≠8


# 1个错误的测试
def test_multiply():
    a = 5
    b = "2"  # 错误：字符串不能与整数相乘
    assert a * b == 10


# 1个跳过的测试
@pytest.mark.skip(reason="尚未实现复数乘法")
def test_complex_multiply():
    assert (2 + 3j) * (4 + 5j) == (-7 + 22j)


# 1个预期失败的测试
@pytest.mark.xfail(reason="已知浮点数精度问题")
def test_float_precision():
    assert 0.1 + 0.2 == 0.3  # 由于浮点数精度问题会失败

============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
collected 11 items                                                                

test_math.py .......FFsx                                                                                                                    [100%]

==================================================================== FAILURES ====================================================================
_________________________________________________________________ test_subtract __________________________________________________________________

    def test_subtract():
        a = 10
        b = 3
>       assert a - b == 8  # 错误：10-3=7≠8
        ^^^^^^^^^^^^^^^^^
E       assert (10 - 3) == 8

test_math.py:37: AssertionError
_________________________________________________________________ test_multiply __________________________________________________________________

    def test_multiply():
        a = 5
        b = "2"  # 错误：字符串不能与整数相乘
>       assert a * b == 10
E       AssertionError: assert (5 * '2') == 10

test_math.py:44: AssertionError
============================================================ short test summary info =============================================================
FAILED test_math.py::test_subtract - assert (10 - 3) == 8
FAILED test_math.py::test_multiply - AssertionError: assert (5 * '2') == 10
=============================================== 2 failed, 7 passed, 1 skipped, 1 xfailed in 0.12s ================================================

2.5 Pytest 常用参数

下表整理了 pytest 日常测试中最常用的核心参数，涵盖执行控制、输出展示、调试辅助、标记筛选等关键场景，便于快速查阅和使用。

2.6 Pytest 插件

pytest 的核心优势之一在于其高度可扩展的插件生态。通过插件，我们可以轻松增强 pytest 的功能，例如生成美观的测试报告、并行执行测试用例、自动重跑失败用例等，从而大幅提升测试效率和体验。

2.6.1 插件管理

pytest 插件的管理主要围绕 “安装”“查看”“卸载” 三个核心操作展开，常用工具为 pip（Python 包管理工具），同时 pytest 也提供了内置命令辅助查看插件信息。

1. 插件的安装

pytest 插件本质是 Python 包，因此通过 pip 即可完成安装，通用命令格式如下：

# 安装指定插件（以 pytest-html 为例）
$ pip install pytest-html

# 安装指定版本的插件（如需兼容旧版本 pytest，可指定版本号）
$ pip install pytest-html==3.2.0

# 从 requirements.txt 批量安装插件（适合团队协作场景）
# 需先在 requirements.txt 中列出插件，如：pytest-html==3.2.0、pytest-xdist==3.3.1
$ pip install -r requirements.txt

注意：部分插件可能依赖特定版本的 pytest 或 Python，安装前建议查看插件官方文档（通常在 PyPI 或 GitHub 主页），确认兼容性。

2. 插件的查看

安装插件后，可通过 pytest 内置命令查看已安装的插件列表及详情，帮助确认插件是否正常加载：

# 查看所有已安装的 pytest 插件（包含核心插件和第三方插件）
$ pytest --trace-config

# 查看其中的 plugins 参数的插件
$ pytest -v

3. 插件的卸载

当插件不再使用时，可通过 pip uninstall 命令卸载，避免占用环境资源：

# 卸载指定插件（以  pytest-html 为例）
$ pip uninstall pytest-html -y  # -y 表示自动确认卸载，无需手动输入 y

4. 插件的启用与禁用

部分场景下（如调试时需排除插件干扰），无需卸载插件，可临时启用 / 禁用指定插件：

# 运行测试时，仅启用 pytest-html 和 pytest-cov 插件
$ pytest -p pytest_html -p pytest_cov

# 运行测试时，禁用 pytest-xdist 插件（其他插件正常加载）
$ pytest -p no:pytest_xdist

# 禁用所有第三方插件，仅使用 pytest 核心功能
$ pytest -p no:plugins

2.6.2 常用第三方插件

pytest 生态中有数百款第三方插件，覆盖测试报告、并行执行、失败重跑、代码覆盖率等多种场景。以下是工业界最常用的几款插件，包含其核心功能、使用方式及配置说明。

pytest 官方插件列表（https://docs.pytest.org/en/stable/reference/plugin_list.html）是由 pytest 核心团队维护的权威插件目录，它按照功能类别系统整理了社区中常用且经过验证的 pytest 插件，为开发者提供了便捷的插件筛选和参考渠道。

1. pytest-html

pytest-html 将测试结果以美观、易读的 HTML 页面展示，支持显示测试用例名称、执行时间、失败原因（含堆栈信息）、截图（需手动集成）等，便于团队共享和问题定位。

# 安装 pytest-html
$ pip install pytest-html

# 执行测试生成报告到 reports 目录下，文件名为 test_report.html
$ pytest --html=reports/test_report.html

# 生成 “独立报告”（避免报告依赖外部 CSS/JS 文件，便于邮件发送）
$ pytest --html=reports/test_report.html --self-contained-html

在 conftest.py 中通过 pytest_html_report_title 和 pytest_html_results_summary 钩子可以实现自定义报告标题 / 描述：

import platform, datetime, pytest


# conftest.py
def pytest_html_report_title(report):
    report.title = "项目XXX测试报告"  # 自定义报告标题


def pytest_html_results_summary(prefix, summary, postfix):
    prefix.extend([f"<p>测试环境：Python {platform.python_version()} + pytest {pytest.__version__}</p>"])  # 自定义报告头部信息
    postfix.extend([f"<p>报告生成时间：{datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}</p>"])  # 自定义报告尾部信息

2. pytest-xdist

pytest-xdist 基于多进程 / 多线程实现测试用例并行执行，大幅缩短测试总耗时（尤其适合用例数量多、单用例执行时间长的场景）。其原理是将测试用例分配到多个 CPU 核心上同时运行，默认按 “测试函数” 粒度拆分。

# 安装 pytest-xdist
$ pip install pytest-xdist

# 自动分配进程数（推荐，充分利用 CPU 资源）
$ pytest -n auto

# 手动指定 4 个进程并行执行
$ pytest -n 4

注意：并行执行时，需确保测试用例之间无依赖关系（如避免用例 A 依赖用例 B 的执行结果或数据），以防出现数据污染或执行失败；同时，部分需要单进程上下文的插件（如 pytest-rerunfailures）不直接支持，需进行特殊配置以实现兼容。

3. pytest-rerunfailures

pytest-rerunfailures 的功能实在测试用例执行失败后，自动重新运行指定次数，帮助区分 “偶发失败”（如网络波动、资源竞争导致）和 “必然失败”（如代码逻辑错误），减少误判。

# 安装 pytest-rerunfailures
$ pip install pytest-rerunfailures

# 失败用例自动重跑 2 次（总执行次数：1次正常执行 + 2次重跑 = 3次）
$ pytest --reruns 2

# 失败用例重跑 2 次，每次重跑间隔 5 秒（避免短时间内重复请求导致的问题）
$ pytest --reruns 2 --reruns-delay 5

# 仅对标记为 "flaky"（不稳定）的用例重跑 2 次
$ pytest -m flaky --reruns 2

4. pytest-cov

pytest-cov 是一款用于统计代码覆盖率的 pytest 插件，能够检测测试用例对代码的覆盖程度，具体包括行覆盖率（被执行的代码行数）、函数覆盖率（被调用的函数数量）和分支覆盖率（被执行的条件分支情况），并支持生成文本、HTML、XML 等多种格式的可视化报告，帮助开发者发现未被测试覆盖的代码死角。

# 安装 pytest-cov
$ pip install pytest-cov

# 统计当前目录下的代码覆盖率，在控制台输出文本报告
$ pytest --cov=.

# 统计当前目录，同时生成 HTML 报告（路径：htmlcov/）和 XML 报告（用于 Jenkins 集成）
$ pytest --cov=. --cov-report=html:htmlcov --cov-report=xml:cov.xml

也可以通过 setup.cfg 或 pytest.ini 配置默认覆盖率规则（避免每次命令行输入复杂参数）：

# pytest.ini
[pytest]
testpaths = tests  # 测试用例目录
python_files = test_*.py  # 测试文件命名规则
addopts = --cov=src --cov-report=html:htmlcov  # 默认启用覆盖率统计并生成 HTML 报告
cov_omit =  # 排除无需统计的文件/目录（如配置文件、测试代码）
    src/config/*
    src/utils/__init__.py
cov_fail_under = 80  # 覆盖率低于 80% 时，测试执行失败（强制团队提升覆盖率）

5. pytest-mock

pytest-mock 基于 Python 内置的 unittest.mock 封装，提供更简洁的 API 用于 “模拟外部依赖”（如数据库连接、第三方接口、复杂函数），确保单元测试仅关注 “被测代码逻辑”，不受外部环境影响。

# 安装 pytest-mock
$ pip install pytest-mock

在测试函数中通过 mocker 参数（pytest-mock 注入的 fixture）创建 Mock 对象，模拟外部依赖：

# 被测代码：src/utils.py
import requests

def get_user_info(user_id):
    # 调用第三方接口获取用户信息（外部依赖）
    response = requests.get(f"https://api.example.com/users/{user_id}")
    return response.json()

# 测试代码：tests/test_utils.py
def test_get_user_info(mocker):
    # 1. Mock requests.get 方法，避免真实调用第三方接口
    mock_get = mocker.patch("src.utils.requests.get")
  
    # 2. 定义 Mock 的返回值（模拟接口返回的用户信息）
    mock_get.return_value.json.return_value = {
        "user_id": 123,
        "name": "张三",
        "age": 25
    }
  
    # 3. 调用被测函数
    result = get_user_info(123)
  
    # 4. 断言结果是否符合预期
    assert result["user_id"] == 123
    assert result["name"] == "张三"
  
    # 5. 断言 requests.get 被正确调用（验证入参）
    mock_get.assert_called_once_with("https://api.example.com/users/123")

常用 Mock 方法：

• mocker.patch(target)：模拟指定对象（如函数、类、方法）。
• mocker.spy(target)：监听指定对象的调用，不替换其实现（用于记录调用次数和入参）。
• mocker.create_autospec(target)：创建与目标对象 “接口一致” 的 Mock（避免调用不存在的方法）。

三、Pytest 的高级用法

3.1 mark（标记）

pytest 中的 mark 功能是一个非常强大的特性，它允许你对测试函数进行标记和分类，以便更灵活地选择和运行测试。下面我将详细介绍内置 mark 和自定义 mark 的使用方法。

3.1.1 内置 Mark

pytest 提供了一些常用的内置 mark，无需额外配置即可使用：

1. skip: 无条件跳过测试

import pytest

@pytest.mark.skip(reason="暂时不需要运行这个测试")
def test_example():
    assert 1 == 1

2. skipif: 满足条件时跳过测试

import sys
import pytest

@pytest.mark.skipif(sys.version_info < (3, 8), reason="需要 Python 3.8 或更高版本")
def test_python38_feature():
    # 使用 Python 3.8+ 的特性
    pass

3. xfail: 预期测试会失败

import pytest

@pytest.mark.xfail(reason="已知这个测试目前会失败")
def test_known_failure():
    assert 1 == 2  # 这会失败，但会被标记为 xfail 而非 error

4. parametrize: 参数化测试，允许用不同参数多次运行同一个测试

import pytest

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

3.1.2 自定义 Mark

除了内置的 mark，你还可以创建自己的自定义 mark 来对测试进行分类。

步骤 1: 定义自定义 Mark

需要在项目根目录的 pytest.ini 或 setup.cfg 文件中注册自定义 mark，避免 pytest 警告：

[pytest]
markers =
    slow: 标记需要长时间运行的测试
    integration: 标记集成测试
    database: 标记需要数据库连接的测试

步骤 2: 使用自定义 Mark

import pytest
import time

# 使用自定义的 slow 标记
@pytest.mark.slow
def test_long_running():
    # 模拟耗时操作
    time.sleep(5)
    assert True

# 使用自定义的 integration 标记
@pytest.mark.integration
def test_api_integration():
    # 测试 API 集成
    assert True

# 可以同时应用多个标记
@pytest.mark.database
@pytest.mark.integration
def test_database_integration():
    # 测试数据库集成
    assert True

# 结合内置标记和自定义标记
@pytest.mark.skipif(True, reason="暂时跳过")
@pytest.mark.database
def test_skipped_database_operation():
    assert False

步骤 3: 运行带有特定 Mark 的测试

使用 -m 选项可以只运行带有特定标记的测试：

# 只运行标记为 slow 的测试
pytest -m slow

# 运行标记为 integration 或 database 的测试
pytest -m "integration or database"

# 运行标记为 integration 但不标记为 slow 的测试
pytest -m "integration and not slow"

步骤 4: 查看所有可用的 Mark

使用 pytest --markers 命令可以查看所有注册的标记（包括内置和自定义）：

pytest --markers

3.2 fixture（夹具）

pytest 的 fixture 是一种强大的测试工具，用于提供测试所需的资源（如数据库连接、临时文件、测试数据等），并在测试前后进行初始化和清理工作。它比传统的 setup/teardown 方法更灵活，支持依赖注入和复用。

在 pytest 中，fixture 的存放位置取决于其复用范围和使用场景，常见的存放方式有以下几种：

1. 与测试用例在同一个文件中
如果 fixture 仅用于当前文件内的测试用例，直接定义在测试文件（如 test_example.py）中即可，方便就近管理。

2. conftest.py 文件

这是 pytest 推荐的共享 fixture 的方式。conftest.py 是 pytest 专门用于存放共享工具（包括 fixture）的文件，无需手动导入，pytest 会自动识别。放在项目根目录的 conftest.py 中，fixture 可在整个项目范围内复用。放在子目录的 conftest.py 中，fixture 仅在该子目录及子目录下的测试文件中有效。

3. 单独的 Python 模块（如 fixtures/ 目录）

如果项目较大，fixture 数量多，可将其组织到单独的模块（如 fixtures/db.py、fixtures/data.py）中，然后在测试文件中通过 from fixtures.db import db_fixture 导入使用。

3.2.1 基本使用方法

1. 定义 fixture

使用 @pytest.fixture 装饰器定义一个 fixture 函数，该函数会返回测试所需的资源。 usefixtures 是 pytest 提供的一个装饰器，主要用于在不直接使用 fixture 返回值的情况下，让测试函数复用 fixture 中的逻辑：

import time
import pytest


@pytest.fixture
def sample_data():
    # 准备测试数据
    data = [1, 2, 3, 4, 5]
    return data


# 在测试函数中直接使用 fixture 名称作为参数
def test_sum(sample_data):
    assert sum(sample_data) == 15


# 记录测试执行时间的fixture
@pytest.fixture
def timer():
    # Setup: 记录开始时间
    start_time = time.time()
    print("\n测试开始")

    # 执行测试用例
    yield

    # Teardown: 计算并打印耗时
    end_time = time.time()
    print(f"\n测试结束，耗时: {end_time - start_time:.4f}秒")


# 使用usefixtures执行时间测量逻辑
@pytest.mark.usefixtures("timer")
def test_simple_operation():
    # 模拟一些操作
    time.sleep(0.1)  # 模拟100ms的操作
    assert 1 + 1 == 2

2. 带清理操作的 fixture

import pytest

@pytest.fixture
def database_connection():
    # 初始化操作：建立数据库连接
    print("\n建立数据库连接...")
    connection = "模拟数据库连接对象"
  
    yield connection  # 返回资源给测试用例
  
    # 清理操作：关闭数据库连接（测试后执行）
    print("\n关闭数据库连接...")

def test_database_query(database_connection):
    print(f"使用连接: {database_connection} 执行查询")
    assert True  # 实际测试中会有数据库操作的断言

运行后会看到执行顺序：

$ pytest -vs
============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
cachedir: .pytest_cache
rootdir: D:\Workspace\pytest_study
configfile: pytest.ini
collected 1 item                                                                    

test_math.py::test_database_query 
建立数据库连接...
使用连接: 模拟数据库连接对象 执行查询
PASSED
关闭数据库连接...


=============================================================== 1 passed in 0.01s ================================================================

3.2.2 Fixture 作用域（Scope）

fixture 可以通过 scope 参数指定作用域，控制其创建和销毁的时机：

@pytest.fixture(scope="module")  # 模块级别的 fixture
def module_data():
    print("\n初始化模块级数据")
    data = {"key": "module_value"}
    yield data
    print("\n清理模块级数据")

常用的作用域：

• function：默认值，每个测试函数执行一次
• class：每个测试类执行一次
• module：每个模块执行一次
• package：每个包执行一次
• session：整个测试会话（运行一次 pytest）执行一次

3.3.3 Fixture 依赖

fixture 可以依赖其他 fixture，形成依赖链：

import pytest

@pytest.fixture
def config():
    # 基础配置
    return {"url": "https://api.example.com", "timeout": 10}

@pytest.fixture
def api_client(config):  # 依赖 config fixture
    # 基于配置创建 API 客户端
    client = f"API 客户端 (地址: {config['url']}, 超时: {config['timeout']})"
    return client

def test_api_call(api_client):
    print(f"使用 {api_client} 调用 API")
    assert True

3.3.4 参数化 Fixture

通过 params 参数可以创建参数化的 fixture，为测试提供多组数据：

import pytest

@pytest.fixture(params=[1, 2, 3])  # 三组参数
def number(request):  # 需要使用 request 参数获取当前值
    return request.param

def test_square(number):
    assert number * number == pow(number, 2)

运行后会生成 3 个测试用例，分别使用 1、2、3 作为参数。

3.3.5 自动使用的 Fixture

通过 autouse=True 可以让 fixture 自动应用到所有测试，无需显式声明：

import pytest
import time

@pytest.fixture(autouse=True, scope="function")
def timer():
    start = time.time()
    yield  # 测试函数会在这里执行
    end = time.time()
    print(f"\n测试耗时: {end - start:.2f}秒")

def test_quick():
    time.sleep(0.1)
    assert True

def test_slow():
    time.sleep(0.3)
    assert True

3.3 hook（钩子）

pytest 的 hook（钩子）机制是其核心扩展点，允许开发者通过定义特定函数来修改或增强 pytest 的默认行为。这些钩子函数在测试执行的不同阶段被 pytest 自动调用，从而实现定制化需求。

3.3.1 hook 的基本概念

• 作用：扩展 pytest 功能，如自定义测试收集、修改测试结果、添加命令行参数等。
• 定义位置：通常在 conftest.py 文件中（pytest 会自动识别该文件中的钩子），也可在插件中定义。
• 命名规范：钩子函数以 pytest_ 开头，例如 pytest_collection_modifyitems。

3.3.2 常用 hook 函数分类及示例

1. 测试收集相关

• pytest_collection_modifyitems(session, config, items)
  在测试用例收集完成后调用，可修改测试用例列表（如排序、过滤、重命名）。

  # conftest.py
  def pytest_collection_modifyitems(items):
      # 将测试用例按名称排序
      items.sort(key=lambda x: x.name)
      # 打印收集到的测试用例
      for item in items:
          print(f"收集到测试用例: {item.name}")
  
  

2. 测试执行相关

• pytest_runtest_makereport(item, call)
  生成单个测试用例的执行报告，可用于获取测试结果（成功 / 失败 / 跳过）。

  # conftest.py
  def pytest_runtest_makereport(item, call):
      if call.when == "call":  # 测试用例执行阶段
          if call.excinfo is not None:  # 测试失败
              print(f"测试用例 {item.name} 执行失败")
  

• pytest_runtest_setup(item)
  在每个测试用例执行前调用，可用于前置操作（如初始化资源）。

  def pytest_runtest_setup(item):
      print(f"\n准备执行测试用例: {item.name}")
  

3. 命令行参数相关

• pytest_addoption(parser)
  添加自定义命令行参数，用于接收用户输入。

  # conftest.py
  def pytest_addoption(parser):
      # 添加 --env 参数，默认值为 "test"
      parser.addoption("--env", action="store", default="test", help="指定测试环境")
  

• pytest_configure(config)
  在 pytest 配置完成后调用，可获取命令行参数并初始化全局配置。

  def pytest_configure(config):
      env = config.getoption("--env")
      print(f"当前测试环境: {env}")
  

4. 报告生成相关

• pytest_terminal_summary(terminalreporter, exitstatus, config)
  在测试结束后生成终端报告，可添加自定义统计信息。

  def pytest_terminal_summary(terminalreporter, exitstatus, config):
      # 统计失败用例数
      failed = len(terminalreporter.stats.get("failed", []))
      terminalreporter.write_line(f"\n自定义总结: 失败用例数 {failed}")
  

3.3.3 hook 的执行顺序

1. 初始化阶段：pytest_addoption → pytest_configure
2. 测试收集阶段：pytest_collection_modifyitems
3. 测试执行阶段：pytest_runtest_setup → pytest_runtest_makereport
4. 结束阶段：pytest_terminal_summary

3.3.4 使用hook读取yaml测试用例

# test_data.yaml
# 测试用例名称：标识当前测试集的名称，便于识别测试场景
test_name: test_add

# 测试步骤/测试数据集合：包含多个测试用例条目
test_cases:
  # 第一个测试用例
  - a: 6       # 输入参数a的值
    b: 2       # 输入参数b的值
    c: 8       # 预期结果（通常是a和b经过某种运算后的期望输出，这里推测是a + b的结果）

  # 第二个测试用例
  - a: 3       # 输入参数a的值
    b: 5       # 输入参数b的值
    c: 8       # 预期结果（3 + 5 = 8）

  # 第三个测试用例（这个用例预期会失败，因为2 + 2 ≠ 5）
  - a: 2       # 输入参数a的值
    b: 2       # 输入参数b的值
    c: 5       # 预期结果（此处为故意设置的错误预期，用于验证测试框架能否检测到失败）

# test_add.py
# 导入yaml模块，用于解析YAML格式的测试数据文件
import yaml
# 导入pytest框架，用于编写和运行测试用例
import pytest


def load_test_cases():
    """加载YAML文件中的测试用例数据

    从test_data.yaml文件读取测试数据，提取其中的测试用例列表并返回
    企业中通常会在这里对文件路径和异常处理进行更完善的封装

    Returns:
        list: 包含多个测试用例字典的列表
    """
    # 使用with语句安全打开文件，自动处理文件关闭
    with open("test_data.yaml", "r") as f:
        # 解析YAML文件内容，返回一个字典
        test_data = yaml.safe_load(f)
    # 返回YAML中"test_cases"键对应的测试用例列表
    return test_data["test_cases"]


def pytest_generate_tests(metafunc):
    """pytest的钩子函数：实现测试用例的参数化

    当pytest收集测试函数时会自动调用此函数，用于动态生成测试参数
    这是pytest灵活扩展测试生成逻辑的核心机制之一

    Args:
        metafunc: 测试函数的元数据对象，包含测试函数的信息和参数
    """
    # 检查当前测试函数是否需要"test_case"这个参数
    if "test_case" in metafunc.fixturenames:
        # 调用加载函数获取所有测试用例
        test_cases = load_test_cases()
        # 对"test_case"参数进行参数化，将每个测试用例作为独立的测试实例
        metafunc.parametrize("test_case", test_cases)


def test_addition_operation(test_case):
    """测试加法运算：验证a + b的结果是否等于预期值c

    这是实际执行测试的函数，pytest会为每个测试用例生成一个独立的测试实例

    Args:
        test_case (dict): 单个测试用例数据，包含a、b、c三个键
    """
    # 从测试用例中提取输入参数a
    a = test_case["a"]
    # 从测试用例中提取输入参数b
    b = test_case["b"]
    # 从测试用例中提取预期结果c
    expected = test_case["c"]

    # 执行断言：验证实际结果是否等于预期结果
    # 自定义错误信息，便于快速定位问题
    assert a + b == expected, f"{a} + {b} 应该等于 {expected}，但实际结果是 {a + b}"

$ pytest
============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
configfile: pytest.ini
collected 3 items                                                                               

test_math.py ..F                                                                                                                            [100%]

==================================================================== FAILURES ====================================================================
______________________________________________________ test_addition_operation[test_case2] _______________________________________________________

test_case = {'a': 2, 'b': 2, 'c': 5}

    def test_addition_operation(test_case):
        """测试加法运算：验证a + b的结果是否等于预期值c
  
        这是实际执行测试的函数，pytest会为每个测试用例生成一个独立的测试实例
  
        Args:
            test_case (dict): 单个测试用例数据，包含a、b、c三个键
        """
        # 从测试用例中提取输入参数a
        a = test_case["a"]
        # 从测试用例中提取输入参数b
        b = test_case["b"]
        # 从测试用例中提取预期结果c
        expected = test_case["c"]
  
        # 执行断言：验证实际结果是否等于预期结果
        # 自定义错误信息，便于快速定位问题
>       assert a + b == expected, f"{a} + {b} 应该等于 {expected}，但实际结果是 {a + b}"
E       AssertionError: 2 + 2 应该等于 5，但实际结果是 4
E       assert (2 + 2) == 5

test_math.py:58: AssertionError
============================================================ short test summary info =============================================================
FAILED test_math.py::test_addition_operation[test_case2] - AssertionError: 2 + 2 应该等于 5，但实际结果是 4
========================================================== 1 failed, 2 passed in 0.20s ===========================================================

四、框架封装

4.1 日志记录

日志记录用于跟踪测试执行过程，方便问题定位。

# pytest.ini
[pytest]
# 实时输出日志到控制台
log_cli = true
# 日志级别
# DEBUG：详细的信息,通常只出现在诊断问题上
# INFO：确认一切按预期运行
# WARNING：一个迹象表明,一些意想不到的事情发生了,或表明一些问题在不久的将来(例如。磁盘空间低”)。这个软件还能按预期工作。
# ERROR：更严重的问题,软件没能执行一些功能
# CRITICAL：一个严重的错误,这表明程序本身可能无法继续运行
log_cli_level = INFO
# %(levelno)s: 打印日志级别的数值
# %(levelname)s: 打印日志级别名称
# %(pathname)s: 打印当前执行程序的路径，其实就是sys.argv[0]
# %(filename)s: 打印当前执行程序名
# %(funcName)s: 打印日志的当前函数
# %(lineno)d: 打印日志的当前行号
# %(asctime)s: 打印日志的时间
# %(thread)d: 打印线程ID
# %(threadName)s: 打印线程名称
# %(process)d: 打印进程ID
# %(message)s: 打印日志信息
log_cli_format = %(asctime)s [%(levelname)s] | %(filename)s:%(lineno)s | %(message)s
log_cli_date_format = %Y-%m-%d %H:%M:%S
# 日志文件路径
log_file = ./logs/pytest_log.log
# 文件日志级别
log_file_level = INFO
log_file_format = %(asctime)s [%(levelname)s] | %(filename)s:%(lineno)s | %(message)s
log_file_date_format = %Y-%m-%d %H:%M:%S

# test_log.py
import logging

def test_example():
    logging.info("这是 INFO 日志")
    logging.warning("这是 WARNING 日志")
    logging.error("这是 ERROR 日志")
    assert 1 == 1

$ pytest
============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
configfile: pytest.ini
plugins: allure-pytest-2.15.0
collected 1 item                                                                                          

test_log.py::test_example 
----------------------------------------------------------------- live log call ------------------------------------------------------------------
2025-09-12 17:06:52 [INFO] | test_log.py:4 | 这是 INFO 日志
2025-09-12 17:06:52 [WARNING] | test_log.py:5 | 这是 WARNING 日志
2025-09-12 17:06:52 [ERROR] | test_log.py:6 | 这是 ERROR 日志
PASSED                                                                                                                                      [100%]

=============================================================== 1 passed in 0.02s ================================================================

日志会输出在 ./logs/pytest_log.log：

2025-09-12 17:00:17 [INFO] | test_log.py:4 | 这是 INFO 日志
2025-09-12 17:00:17 [WARNING] | test_log.py:5 | 这是 WARNING 日志
2025-09-12 17:00:17 [ERROR] | test_log.py:6 | 这是 ERROR 日志

4.2 生成测试报告

配置 Java 和 Allure 的环境变量后可以使用 Allure 生成美观的测试报告。

1. 安装依赖：

$ pip install allure-pytest

2. 运行并生成报告：

$ pytest --alluredir=reports --clean-alluredir # 生成报告数据并清空历史数据
$ allure generate -o html_reports -c reports # 生成HTML报告
$ allure serve reports # 启动本地服务查看报告

4.3 一键执行脚本

1. 配置文件方式

   # pytest.ini
   [pytest]
   # 命令行参数：每次运行 pytest 时自动附加的参数
   addopts = 
       --alluredir=reports          # 生成 Allure 报告数据到 reports 目录
       --clean-alluredir            # 清空旧的 Allure 报告数据
       -v                           # 详细输出模式
   

2. Python 脚本方式

   # run.py
   import os
   import pytest
   
   if __name__ == "__main__":
       # 执行所有测试用例并生成allure报告
       pytest.main(["-v", "--alluredir=reports --clean-alluredir"])
       os.system("allure generate -o html_reports -c reports")
   

   通过 run.py实现一键执行所有测试用例。

4.4 接口请求和断言

# test_cases.yaml
- name: 测试获取用户信息接口
  method: GET
  url: https://jsonplaceholder.typicode.com/users/1
  validate:
    status_code: 200
    json:
      id: 1
      name: "Leanne Graham"

# api_client.py
import requests
import yaml
import logging


class ApiClient:
    def __init__(self):
        self.session = requests.Session()

    def send_request(self, method, url, **kwargs):
        """发送HTTP请求"""
        logging.info(f"发送请求: {method} {url}")
        try:
            response = self.session.request(method, url, **kwargs)
            logging.info(f"响应状态码: {response.status_code}")
            return response
        except Exception as e:
            logging.error(f"请求出错: {str(e)}")
            raise


def load_test_cases(yaml_file):
    """从yaml文件加载测试用例"""
    with open(yaml_file, "r", encoding="utf-8") as f:
        return yaml.safe_load(f)

# test_api.py
import pytest
from api_client import ApiClient, load_test_cases
import logging

# 加载测试用例
test_cases = load_test_cases("test_cases.yaml")


@pytest.mark.parametrize("case", test_cases)
def test_api(case):
    """执行接口测试用例"""
    client = ApiClient()
    response = client.send_request(
        method=case["method"],
        url=case["url"]
    )

    # 断言响应状态码
    assert response.status_code == case["validate"]["status_code"], \
        f"状态码断言失败: 预期{case['validate']['status_code']}, 实际{response.status_code}"

    # 断言响应内容
    if "json" in case["validate"]:
        for key, value in case["validate"]["json"].items():
            assert response.json()[key] == value, \
                f"响应内容断言失败: {key}预期{value}, 实际{response.json()[key]}"

    logging.info(f"测试用例 '{case['name']}' 执行成功")

$ pytest
============================================================== test session starts ===============================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
configfile: pytest.ini
plugins: allure-pytest-2.15.0
collected 1 item                                                                                      

test_api.py::test_api[case0] 
----------------------------------------------------------------- live log call ------------------------------------------------------------------
2025-09-12 17:18:35 [INFO] | api_client.py:13 | 发送请求: GET https://jsonplaceholder.typicode.com/users/1
2025-09-12 17:18:35 [INFO] | api_client.py:16 | 响应状态码: 200
2025-09-12 17:18:35 [INFO] | test_api.py:29 | 测试用例 '测试获取用户信息接口' 执行成功
PASSED                                                                                                                                      [100%]

=============================================================== 1 passed in 0.48s ================================================================

4.5 浏览器启动和控制（Edge）

从 Edge 浏览器开发者官网下载和本地浏览器对应的 webdrive，解压出 msedgedriver.exe 放在项目的 drives 的目录下。

import logging

from selenium import webdriver
from selenium.webdriver.edge.service import Service


class WebClient:
    def __init__(self):
        # 指定EdgeDriver的路径
        edge_driver_path = "./drivers/msedgedriver.exe"
        service = Service(edge_driver_path)

        # 初始化Edge浏览器
        self.driver = webdriver.Edge(service=service)
        self.driver.implicitly_wait(10)
        logging.info("Edge浏览器启动成功")

    def quit(self):
        # 关闭浏览器
        self.driver.quit()
        logging.info("Edge浏览器已关闭")


# 测试用例示例
def test_baidu_search():
    client = WebClient()
    try:
        client.driver.get("https://www.baidu.com")
        assert "百度一下" in client.driver.title
        logging.info("百度首页加载成功")
    finally:
        client.quit()

$ pytest
===================================================================== test session starts ======================================================================
platform win32 -- Python 3.13.7, pytest-8.4.2, pluggy-1.6.0
rootdir: D:\Workspace\pytest_study
configfile: pytest.ini
plugins: allure-pytest-2.15.0
collected 1 item                                                                                                

test_web_client.py::test_baidu_search 
DevTools listening on ws://127.0.0.1:13897/devtools/browser/38f806a2-1e0d-443b-bf3b-4589ea782089
[14100:19636:0912/174510.079:ERROR:chrome\browser\importer\edge_china_browsers\edge_qqbrowser_importer_utils_win.cc:163] QQBrowser user data path not found.
[7132:39720:0912/174510.247:ERROR:net\socket\ssl_client_socket_impl.cc:929] handshake failed; returned -1, SSL error code 1, net_error -101

------------------------------------------------------------------------ live log call -------------------------------------------------------------------------
2025-09-12 17:45:10 [INFO] | test_web_client.py:15 | Edge浏览器启动成功
[7132:39720:0912/174510.294:ERROR:net\socket\ssl_client_socket_impl.cc:929] handshake failed; returned -1, SSL error code 1, net_error -101
2025-09-12 17:45:13 [INFO] | test_web_client.py:29 | 百度首页加载成功
2025-09-12 17:45:15 [INFO] | test_web_client.py:20 | Edge浏览器已关闭
PASSED                                                                                                                                                    [100%]

====================================================================== 1 passed in 10.52s ======================================================================

4.6 App启动和控制（Appium）

略