【原】使用Pytest创建一个Python测试自动化项目

软件测试test 2020-07-24

展开全文

为什么选择Python？

Python是当前最流行的编程语言之一。它为Web后端，数据科学笔记本，sysadmin脚本等提供支持。它的语法简洁，易读且优雅–非常适合初学者和专家。您可以想象的一切都只是一个导入。自然地，Python还是测试自动化的最好的语言。它的简洁性使测试人员可以将更多的精力放在测试上，而不必在代码上。未完成大量编程工作的测试人员往往比其他语言（如Java或C＃）学习Python的速度更快。Python非常适合启动测试！

什么是pytest？

任何功能测试自动化项目的核心都是“核心”测试框架。该框架处理测试用例结构，测试执行以及通过/失败结果报告。这是可以添加额外的程序包和代码（例如Selenium WebDriver）的基础。

pytest是Python最好的测试框架之一。它简单，可扩展且具有Python风格。测试用例是作为函数而不是类编写的。测试断言失败将与实际值一起报告。插件可以添加代码覆盖率，漂亮的报告和并行执行。pytest也可以与Django和Flask等其他框架集成。根据2018年Python开发人员调查，它也是最受欢迎的Python测试框架。

入门

让我们创建我们的Python测试项目！如果您尚未这样做，请下载并在您的计算机上安装Python 3。然后，为项目创建一个新目录：

$ mkdir python-webui-testing$ cd python-webui-testing

每当我创建一个新的Python项目时，都会为其依赖项创建一个虚拟环境。这样，同一台计算机上的项目就不会有相互冲突的软件包版本。我使用pipenv 是因为它简化了工作流程。要全局安装pipenv，请运行：

$ pip install pipenv

然后，为新项目安装pytest：

$ pipenv install pytest --dev

Pipenv将向您的项目添加两个新文件： Pipfile和。 Pipfile指定了项目的要求，而 Pipfile.lock “锁定”了项目将使用的显式版本。该命令中的“ –dev”选项表示pytest软件包将仅用于开发，而不用于部署。Pipfile.lock

第一次测试

按照惯例，大多数项目会将所有测试放在一个目录下。让我们遵循以下约定：tests/

$ mkdir tests$ cd tests

创建一个为我们的第一个测试命名的Python模块，并添加以下代码：test_math.py

def test_addition(): assert 1 + 1 == 2

使用pytest编写的测试通常不需要太多代码。这两行是功能齐全的测试用例！测试用例是作为函数而不是类编写的。像这样的基本测试不需要导入。使用Python的本机 assert 语句代替自定义断言调用。

运行测试

让我们运行我们的新测试。将目录更改回项目根目录，并调用pytest模块：

$ cd ..$ pipenv run python -m pytest============================= test session starts ==============================platform darwin -- Python 3.7.3, pytest-4.5.0, py-1.8.0, pluggy-0.12.0rootdir: /Users/andylpk247/Programming/automation-panda/python-webui-testingcollected 1 item tests/test_math.py . [100%]=========================== 1 passed in 0.02 seconds ===========================

我们的第一个测试通过了！

pytest是如何发现我们的测试的？按名称：pytest将搜索名为的模块中命名的测试函数。有趣的是，pytest不需要任何测试目录中的文件。test_*test_*.py__init__.py

测试失败

如果测试失败，会发生什么？让我们添加另一个带有错误的测试来找出：

def test_subtraction(): diff = 1 - 1 assert diff == 0

让我们重新运行这些测试：

$ pipenv run python -m pytest============================= test session starts ==============================platform darwin -- Python 3.7.3, pytest-4.5.0, py-1.8.0, pluggy-0.12.0rootdir: /Users/andylpk247/Programming/automation-panda/python-webui-testingcollected 2 items tests/test_math.py .. [100%]=========================== 2 passed in 0.02 seconds ===========================

我们回到了正轨。

参数化测试

如果我们要使用多个输入组合来运行相同的测试过程，该怎么办？pytest有一个装饰器！让我们编写一个新的参数化输入乘法测试：

import pytest@pytest.mark.parametrize( "a,b,expected", [(0, 5, 0), (1, 5, 5), (2, 5, 10), (-3, 5, -15), (-4, -5, 20)])def test_multiplication(a, b, expected): assert a * b == expected

这次，pytest 必须导入模块。在装饰将取代的输入元组的测试功能参数，运行每一次输入元组中的测试功能。再次运行测试将显示更多的通过点：@pytest.mark.parametrize

$ pipenv run python -m pytest============================= test session starts ==============================platform darwin -- Python 3.7.3, pytest-4.5.0, py-1.8.0, pluggy-0.12.0rootdir: /Users/andylpk247/Programming/automation-panda/python-webui-testingcollected 7 items tests/test_math.py ....... [100%]=========================== 7 passed in 0.03 seconds ===========================

参数是进行数据驱动测试的好方法。

验证异常

pytest将未处理的异常视为测试失败。实际上，该 assert 语句仅引发异常以注册失败。如果我们要验证是否正确引发了异常该怎么办？使用与期望的异常类型，如下所示：pytest.raises

def test_divide_by_zero(): with pytest.raises(ZeroDivisionError): 1 / 0

重新运行测试以确保一切正常：

$ pipenv run python -m pytest============================= test session starts ==============================platform darwin -- Python 3.7.3, pytest-4.5.0, py-1.8.0, pluggy-0.12.0rootdir: /Users/andylpk247/Programming/automation-panda/python-webui-testingcollected 8 items tests/test_math.py ........ [100%]=========================== 8 passed in 0.04 seconds ===========================