2. 测试框架选型：Python单元测试框架对比
做自动化测试，选框架是第一步。
说实话，这一步很多人会纠结。Python里最主流的两个单元测试框架，就是unittest和pytest。我当年刚入行时也纠结过，后来踩了不少坑，才慢慢摸清楚它们的脾气。
2.1 unittest vs pytest：一场老将与新秀的较量
先说说unittest。它是Python标准库自带的，不用额外安装。这一点很友好。但用起来嘛……我个人觉得有点啰嗦。
你看，unittest要求你写测试类，还要继承TestCase，方法名必须以test开头。断言也得用self.assertEqual这种写法。代码量不小。
而pytest呢？它更自由。函数名带test就行，断言直接用Python原生的assert。简洁太多了。
我举个例子你就明白了：
# unittest 写法
import unittest
class TestMath(unittest.TestCase):
def test_add(self):
self.assertEqual(1 + 1, 2)
# pytest 写法
def test_add():
assert 1 + 1 == 2
看到了吧？pytest的代码量少了一半。我在项目中带新人时，用pytest他们上手更快，基本看一遍就会写了。
下面这张表，是我总结的核心区别：
| 对比项 | unittest | pytest |
|---|---|---|
| 安装方式 | 内置，无需安装 | 需 pip install pytest |
| 用例编写 | 必须写类，继承TestCase | 函数即可，无需类 |
| 断言方式 | self.assertEqual() 等 | 原生 assert |
| fixture机制 | setUp/tearDown，较笨重 | @pytest.fixture，灵活强大 |
| 参数化 | 需用subTest，较麻烦 | @pytest.mark.parametrize，一行搞定 |
| 插件生态 | 几乎没有 | 非常丰富（allure、xdist等） |
| 报告输出 | 默认文本，较简陋 | 可生成HTML、Allure等精美报告 |
我的建议：新项目直接用pytest。除非你是在维护老项目，或者公司强制要求用unittest，否则别犹豫。
2.2 pytest核心优势：为什么我选它？
pytest的优势，说白了就三个字：省事儿。
第一，fixture机制太香了。
unittest里的setUp和tearDown，每个测试类都得写一遍。而且作用域是类级别的，想跨类复用？得自己想办法。
pytest的fixture就不一样了。你可以定义在conftest.py里，全局共享。还能控制作用域：function、class、module、session。想怎么用就怎么用。
我在项目中遇到过这样一个场景：多个测试模块都需要登录操作。用unittest的话，每个类里都得写一遍登录逻辑。用pytest，我只需要在conftest.py里定义一个fixture，所有测试文件都能直接引用。省了多少重复代码啊。
# conftest.py
import pytest
@pytest.fixture(scope="session")
def login_session():
# 登录操作，只执行一次
token = do_login("admin", "123456")
return token
# test_case.py
def test_get_user_info(login_session):
# 直接使用login_session
response = get_user_info(login_session)
assert response.status_code == 200
第二，参数化测试，一行代码搞定。
测试中经常需要测多组数据。unittest的做法是写多个测试方法，或者用subTest。代码又长又丑。
pytest的parametrize装饰器，一行就能搞定多组数据测试。而且失败时能清楚看到是哪组数据出了问题。
import pytest
@pytest.mark.parametrize("input_val, expected", [
(1, 2),
(2, 4),
(3, 6),
(0, 0),
(-1, -2),
])
def test_double(input_val, expected):
assert double(input_val) == expected
第三，插件生态丰富。
pytest有几百个插件。我最常用的几个：
- pytest-xdist：并行执行测试，速度翻倍
- pytest-html：生成漂亮的HTML报告
- pytest-allure-adaptor：集成Allure报告，适合大项目
- pytest-cov：统计代码覆盖率
- pytest-rerunfailures：失败用例自动重跑
嗯，这里要注意：插件虽好，但别装太多。装多了启动会变慢，反而影响效率。
2.3 环境搭建：5分钟搞定
环境搭建其实很简单。我一般用虚拟环境，避免污染全局Python。
第一步：创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
venv\Scripts\activate # Windows
第二步：安装pytest
pip install pytest
第三步：安装常用插件
pip install pytest-html pytest-xdist pytest-cov
第四步：验证安装
pytest --version
看到版本号就说明装好了。
小技巧：你可以把依赖写进requirements.txt，下次直接pip install -r requirements.txt一键安装。
避坑指南：我曾经在Windows上遇到过编码问题。pytest默认用UTF-8，但Windows控制台可能是GBK。如果测试文件里有中文，可能会报错。解决方案是在pytest.ini里加上：
[pytest]
testpaths = tests
python_files = test_*.py
python_functions = test_*
或者在conftest.py里设置编码：
import sys
import io
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
好了，环境搭好了，框架也选好了。下一章我们开始写第一个测试用例。你想想看，从零到一其实就这么简单。