一、为什么选择Pytest？——解决传统测试的“麻烦事”

在Python开发中，写测试用例曾是件让人头疼的事：

• 用自带的unittest框架，必须写类、继承模板，就连简单的“验证1+1=2”都要写好几行代码。
• 跑完测试报错时，只显示AssertionError，根本不知道哪里出错了，得自己慢慢找问题。

Pytest就像一个“测试效率神器”，专门解决这些痛点：

• 不用写复杂模板：直接用普通函数写测试，连装饰器都可以后学。
• 自动找到测试用例：只要文件和函数名以test_开头（比如test_calc.py里的test_add()），运行时自动扫描，不用手动登记。
• 报错信息像“翻译器”：失败时直接告诉你“哪个变量不一样、哪里不一样”，比如assert [1,3] == [1,2]会提示“列表第二个元素3≠2”。
• 功能不够“插件来凑”：需要生成报告？装个pytest-html；想并行测试？装个pytest-xdist，就像搭积木一样灵活。

二、核心功能详解：这几个技能必须先学会

1. 给测试“贴标签”：标记（Markers）

场景需求：项目里有100个测试，现在只想跑“核心功能测试”，怎么办？
标记来帮忙：用@pytest.mark给测试贴标签，比如：

@pytest.mark.smoke  # 标记为“冒烟测试”（验证核心功能）
def test_login_success():
    assert login("user", "pass") == "success"

@pytest.mark.skip(reason="功能还没写完")  # 跳过这个测试
def test_login_without_password():
    ...

运行指定标签：

pytest -m "smoke and not skip"  # 只跑冒烟测试且没被跳过的用例

2. 一次测多组数据：参数化（Parametrization）

重复劳动场景：测试加法函数，要验证1+1=2、2+3=5、0+0=0，难道要写3个几乎一样的函数？
参数化偷懒法：

@pytest.mark.parametrize("a, b, expected", [(1,1,2), (2,3,5), (0,0,0)])
def test_add(a, b, expected):
    assert a + b == expected

执行效果：自动生成3个测试用例，每个结果单独显示，出错了直接知道是哪组数据的问题。

3. 重复“准备工作”一次写：夹具（Fixtures）

常见痛点：每次测试都要先“连接数据库”“创建测试用户”，代码重复写很麻烦。
夹具解决方案：把这些“准备工作”写成一个函数，需要时直接“调用”：

@pytest.fixture  # 定义夹具：创建数据库连接
def db_connection():
    db = connect_to_db()  # 前置操作：连接数据库
    yield db  # 把连接对象传给测试函数
    db.close()  # 后置操作：关闭连接（自动执行）

def test_query_user(db_connection):  # 直接“用”夹具
    user = db_connection.query("SELECT * FROM users WHERE id=1")
    assert user.name == "test_user"

关键好处：

• 一次定义，多次使用，减少重复代码。
• 支持“作用域”设置（比如只在一个文件或整个测试中使用），灵活控制资源。

4. 断言失败不再“懵圈”：直观的错误提示

对比传统断言：
如果用Python自带的assert，失败时只显示AssertionError，但Pytest会“翻译”错误：

def test_sort_list():
    actual = [3, 1, 2]
    expected = [1, 2, 3]
    assert actual == expected

失败输出：

AssertionError: Lists are not equal:
First differing element at index 0:
3 != 1

Expected: [1, 2, 3]
Actual:   [3, 1, 2]

好处：不用自己对比数据，直接看哪里错了，调试效率翻倍。

三、测试函数：从第一个“Hello Test”开始

最简单的测试长什么样？

规则很简单：

• 文件以test_开头（比如test_calc.py）
• 函数以test_开头（比如test_addition()）

示例：测试计算器加法

# test_calc.py
def test_add():
    assert 1 + 1 == 2  # 验证加法是否正确

def test_subtract():
    assert 5 - 2 == 3  # 验证减法是否正确

怎么运行测试？

pytest test_calc.py -v  # -v显示详细结果

运行结果：

collected 2 items

test_calc.py::test_add PASSED  # 通过
test_calc.py::test_subtract PASSED  # 通过

看到PASSED就成功啦！ 如果失败会显示FAILED，并给出详细错误提示。

四、测试类：给测试“分组管理”

什么时候需要测试类？

当多个测试需要共享数据或“准备工作”时，比如测试用户接口的多个功能（获取用户、删除用户），都需要先创建一个测试用户。

测试类的写法规则

• 类名以Test开头（如TestUserAPI）
• 类中的方法以test_开头，不需要写self参数（和普通Python类不同！）

示例：用户接口测试类

# test_user_api.py
class TestUserAPI:
    @pytest.fixture(autouse=True)  # 自动为每个方法运行这个夹具
    def create_test_user(self):
        self.user_id = register_user()  # 创建用户，保存ID到self.user_id

    def test_get_user(self, api_client):
        response = api_client.get(f"/users/{self.user_id}")
        assert response.status_code == 200  # 验证获取用户接口返回成功

    def test_delete_user(self, api_client):
        response = api_client.delete(f"/users/{self.user_id}")
        assert response.status_code == 204  # 验证删除用户接口返回成功

关键逻辑：

• autouse=True让夹具自动生效，不用每个方法都手动传参。
• 通过self.user_id在类中共享数据，就像“把数据存在类的小仓库里”。

五、5分钟快速上手：从安装到跑通测试

1. 安装Pytest（超简单）

pip install pytest  # 如果没装Python，先去官网下载安装

提示：建议用虚拟环境（如python -m venv myenv），避免影响其他项目。

2. 运行测试的常用命令

3. 生成漂亮的测试报告（给团队看结果）

pip install pytest-html  # 先装插件
pytest --html=report.html  # 运行并生成报告

打开report.html会看到：

• 每个测试的状态（通过/失败）
• 耗时多长
• 失败的详细原因
  适合给同事展示测试成果，或排查问题时用。

总结：动手实践是最快的学习方式

Pytest的核心是“简单高效”，不需要一开始就掌握所有高级功能。建议先写3个测试函数，跑通一次测试，再慢慢学习参数化、夹具等功能。遇到问题不要怕，报错信息其实是最好的“学习指南”！

现在就打开编辑器，创建第一个test_文件，写下你的第一个测试用例吧！