Python单元测试进阶教程_pytest插件与mock使用

真正提升单元测试效率和可维护性的是善用 pytest 插件与 mock 工具：pytest-cov 查覆盖率、xdist 并行执行、asyncio 支持异步、env 管理环境变量；mock 通过 patch、Mock/MagicMock 隔离外部依赖，并配合 parametrize、fixture 实现多场景复用，辅以调用验证与资源清理。

写好单元测试不只靠 assert 和 unittest.TestCase，真正提升效率和可维护性的，是用对 pytest 插件和 mock 工具。它们帮你跳过外部依赖、聚焦逻辑验证、快速定位失败原因。

用 pytest 插件让测试更轻快

pytest 本身比 unittest 更简洁，加上插件后，开发体验明显升级：

• pytest-cov：加 --cov=my_module 就能看哪行没被测到，覆盖率数字和高亮报告一目了然；
• pytest-xdist：加 -n 4 自动把测试分到 4 个进程跑，适合大型测试集；
• pytest-asyncio：直接在测试函数上加 @pytest.mark.asyncio，就能测 async def 函数，不用手动调 asyncio.run()；
• pytest-env：通过 pytest.ini 设置环境变量，比如测试数据库地址，避免硬编码或本地配置污染。

用 mock 隔离外部调用，专注逻辑本身

测试不该卡在发 HTTP 请求、读文件或连数据库上。mock 的作用，就是用可控的“替身”代替真实对象：

• 用 patch 装饰器或上下文管理器替换模块里的函数，例如把 requests.get 拦下来，返回预设的 JSON 响应；
• 用 Mock(return_value=...) 或 MagicMock(side_effect=[..., ...]) 控制返回值或抛异常，验证重试、错误分支是否走通；
• 注意 patch 的位置——要 patch 对象被“使用时”的位置，不是它“定义时”的位置（常见坑：该 patch my_module.requests.get，而不是 requests.get）。

组合技巧：参数化 + mock + fixture

一个真实场景：测试用户登录接口，需覆盖正常登录、密码错误、网络超时三种情况。可以这样组织：

立即学习“Python免费学习笔记（深入）”；

• 用 @pytest.mark.parametrize 定义三组输入和预期结果；
• 用 fixture 封装 mock 的 requests 行为，不同参数触发不同响应；
• 测试函数只关心业务逻辑输出，比如返回的 token 是否有效、错误码是否匹配。

这样写一次 setup，复用多个 case，既清晰又不易漏测边界。

别忘了清理和断言行为

mock 不只是控制返回值，还能验证调用是否发生、参数是否正确：

• mock_obj.assert_called_once() 确保某个方法确实被调用了一次；
• mock_obj.assert_called_with(user_id=123, timeout=5) 检查传参细节；
• 如果测试中创建了临时文件或启动了线程，记得在 teardown 阶段清理，pytest 的 tmp_path fixture 或 yield fixture 很适合做这事。

不复杂但容易忽略。