Python 用 pytest 做测试
pytest 用断言即测试、fixture 与参数化组织可维护测试套件。
[!info] related notes
Python 用 pytest 做测试
这个概念为什么出现
没有自动化测试，重构与依赖升级都在赌。pytest 以低样板成为 Python 事实标准：普通 assert、丰富插件、fixture 注入。
[!abstract] 一句话理解 pytest 收集
test_*，用 assert 验证行为；fixture 管理依赖，参数化覆盖多例。
最小可运行示例
先把示例放进业务场景，再看代码：
场景：为折扣函数写参数化测试
# test_discount_pytest_style.py
# 业务意图：验证折扣计算（可直接 pytest 本文件）。
# 教学点：
# - assert；
# - pytest.mark.parametrize；
# - 异常断言。
from decimal import Decimal, ROUND_HALF_UP
import pytest
def price_after_discount(price_cents: int, discount: Decimal) -> int:
if not discount.is_finite() or not 0 <= discount <= 1:
raise ValueError("bad discount")
amount = Decimal(price_cents) * (1 - discount)
return int(amount.quantize(Decimal("1"), rounding=ROUND_HALF_UP))
@pytest.mark.parametrize(
"price,discount,expected",
[
(1000, Decimal("0.1"), 900),
(1000, Decimal("0"), 1000),
(100, Decimal("0.29"), 71),
(101, Decimal("0.5"), 51),
],
)
def test_price_after_discount(price, discount, expected):
assert price_after_discount(price, discount) == expected
def test_bad_discount():
with pytest.raises(ValueError):
price_after_discount(1000, Decimal("2"))建议运行：
pytest -q test_discount_pytest_style.py期望输出：
...
5 passed（若环境未装 pytest：pip install pytest 后重跑。）
示例约定输入是非负整分金额和由十进制字符串构造的折扣，按 ROUND_HALF_UP 舍入到分；这是一种业务规则，不是所有支付场景的默认规则。float + int 截断写法可能在边界少算一分。
结合场景再看三个关注点
- 表驱动减少重复测试函数。
- raises 锁定失败契约。
- 业务函数与测试可同逻辑演进。
Fixture、Fake 与 monkeypatch 怎么配合
这三个词经常一起出现，但职责不同。
[!abstract] 先理解设计，再记 API
- fixture：准备测试需要的对象或环境
- Fake：用一个简化实现替代昂贵、不稳定或不想一起测试的真实依赖
- monkeypatch：在测试期间临时把真实对象替换成 Fake / Stub
例如只想测试 FastAPI route，而不想真的运行 DiagnosisService 和 LLM：
测试目标
↓
FastAPI Route
↓
Fake DiagnosisService
真实 DiagnosisService / LLM 不进入这条测试路径若 route 在调用时从该模块全局名称查找 get_diagnosis_service，可这样替换（项目集成片段，需已有 client fixture 和对应路由）：
class FakeDiagnosisService:
async def generate_diagnosis(self, **kwargs):
return {"diagnoses": []}
def test_route(client, monkeypatch):
fake = FakeDiagnosisService()
monkeypatch.setattr(
"src.api.routes.diagnosis.get_diagnosis_service",
lambda: fake,
)
response = client.post(
"/api/diagnosis/analyze",
json={"extracted_info": [], "profile": {}},
)
assert response.status_code == 200若路由用 Depends(get_diagnosis_service)，FastAPI 在注册路由时已保留依赖 callable；上述模块属性替换通常不会改变它。应以原 callable 为键覆盖依赖，例如在测试中用 monkeypatch.setitem(client.app.dependency_overrides, get_diagnosis_service, lambda: fake)，测试结束后由 monkeypatch 恢复该条目。
200 状态码只证明请求成功返回，还应按路由契约检查响应体，必要时检查 Fake 收到的输入。本片段不验证真实 DiagnosisService 或 LLM。
这里真正重要的不是 monkeypatch.setattr 语法，而是测试边界：
我只验证 Route 的 HTTP 行为
↓
所以把更深层的真实依赖隔离掉monkeypatch 是工具，Fake 是测试替身；它们都不是 Unit / Integration / E2E 之外的新测试层级。完整模型见 测试层级与测试边界。
核心概念与准确模型
- 默认发现 test_.py 或 _test.py 文件中的 test 函数，以及无 init 的 Test 类中的 test* 方法；可由配置调整。
- fixture 作用域：function/class/module/package/session；yield 后执行清理，宽作用域 fixture 不能依赖更窄作用域 fixture。
- conftest.py 共享
- 插件：cov、xdist、mock
边界情况与反直觉行为
- 断言重写让失败信息更详，但奇妙魔法需了解。
- 测试间污染全局状态。
- 异步测试需插件/模式。
常见误区
[!warning] 常见误区：只测成功路径 错误理解：happy path 足够。
正确模型：边界与异常同样是契约。
工程实践
- Arrange-Act-Assert
- 命名表达场景
- CI 默认
pytest
本节总结
pytest 让测试成为日常反馈环。先测行为，再谈覆盖率数字。
自测题
- fixture 解决什么？
- 参数化适合什么？
- Fake 和 monkeypatch 的职责有什么不同？
参考答案
- 可复用的测试依赖准备/清理。
- 同一逻辑多组输入输出。
- Fake 是替代真实依赖的简化实现；monkeypatch 是测试期间完成临时替换的工具。
延伸阅读与资料来源
| 资料 | 类型 | 支撑内容 |
|---|---|---|
| pytest docs | 文档 | 官方 |
| FastAPI testing dependencies | 文档 | Depends 的覆盖机制 |
Digital Biome