Unittest自动化测试框架vs Pytest自动化测试框架

引言
  前面一篇文章Python单元测试框架介绍已经介绍了python单元测试框架,大家平时经常使用的是unittest,因为它比较基础,并且可以进行二次开发,如果你的开发水平很高,集成开发自动化测试平台也是可以的。而这篇文章主要讲unittest与pytest的区别,pytest相对unittest而言,代码简洁,使用便捷灵活,并且插件很丰富。

  Unittest vs Pytest
  主要从用例编写规则、用例的前置和后置、参数化、断言、用例执行、失败重运行和报告这几个方面比较unittest和pytest的区别:

  用例编写规则

 用例前置与后置条件

  断言

 测试报告

 失败重跑机制

 参数化

用例分类执行

  如果不好看,可以看下面表格:

 总体来说,unittest用例格式复杂,兼容性无,插件少,二次开发方便。pytest更加方便快捷,用例格式简单,可以执行unittest风格的测试用例,无须修改unittest用例的任何代码,有较好的兼容性。pytest插件丰富,比如flask插件,可用于用例出错重跑,还有xdist插件,可用于设备并行执行,效率更高。

  实例演示
  讲了七大区别,总要演示一下具体实例,用事实说话。

  前后置区别
  这里抽用例前置与后置的区别来讲,先看unittest的前后置使用:


import unittest


class TestFixtures01(unittest.TestCase):


# 所有用例执行前执行


def setUp(self) -> None:


print("setUp开始")


def tearDown(self) -> None:


print("tearDown结束")


# 每条用例执行前执行


@classmethod


def setUpClass(cls) -> None:


print("setUpClass开始")


@classmethod


def tearDownClass(cls) -> None:


print("tearDownClass结束")


# 测试用例


def test_001(self):


print("测试用例001")


class TestFixtures02(unittest.TestCase):


def test_002(self):


print("测试类2")


# 每个模块执行前执行


def setUpModule():


"""


在所有测试类在调用之前会被执行一次,函数名是固定写法,会被unittest框架自动识别


"""


print('集成测试 >>>>>>>>>>>>>>开始')


def tearDownModule():


print("集成测试 >>>>>>>>>>>>>>结束")


if __name__ == '__main__':


unittest.main()

  运行结果:

从结果上得知, 三个方法的逻辑优先级: setUp()&tearDown() < setUpClass()&tearDownClass() < setUpModule()&tearDownModule()

接下来看pytest的前后置:

1、我们都知道在自动化测试中都会用到前后置,pytest 相比 unittest 无论是前后置还是插件等都灵活了许多,还能自己用 fixture 来定义。

首先了解一下,用例运行前后置级别如下:

  1.模块级:全局的,整个模块开只运行一次,优先于测试用例。

  2.类级别:定义在类里面,只针对此类生效。类似unittest的cls装饰器

  3.函数级:只对函数生效,类下面的函数不生效。

  4.方法级:定义在类里面,每个用例都执行一次


def setup_module():


print('\n整个模块 前 只运行一次')


def teardown_module():


print('\n整个模块 后 只运行一次')


def setup_function():


print('\n不在类中的函数,每个用例 前 只运行一次')


def teardown_function():


print('\n不在类中的函数,每个用例 后 只运行一次')


def test_ab():


b = 2


assert b < 3


def test_aba():


b = 2


assert b < 3


class Test_api():


def setup_class(self):


print('\n此类用例 前 只执行一次')


def teardown_class(self):


print('\n此类用例 后 只执行一次')


def setup_method(self):


print('\n此类每个用例 前 只执行一次')


def teardown_method(self):


print('\n此类每个用例 后 执行一次')


def test_aa(self):


a = 1


print('\n我是用例:a') # pytest -s 显示打印内容


assert a > 0


def test_b(self):


b = 2


assert b < 3

运行结果:

2、这是原始用法,下面看使用Fixture,Fixture 其实就是自定义 pytest 执行用例前置和后置操作,首先创建 conftest.py 文件 (规定此命名),导入 pytest 模块,运用 pytest.fixture 装饰器,默认级别为:函数级:

  其它用例文件调用即可,如下定义一个函数,继承 conftest.py 文件里的 login 函数即可调用:


# conftest.py配置需要注意以下点:


# conftest.py配置脚本名称是固定的,不能改名称


# conftest.py与运行的用例要在同一个pakage下,并且有__init__.py文件


# 不需要import导入 conftest.py,pytest用例会自动查找


import pytest


def test_one(login):


print("登陆后,操作111")


# def test_two():


# print("操作222")


#


# def test_three(login):


# print("登陆后,操作333")

运行结果:

3、扩展用法,多个自定义函数和全局级别展示:(全局的比如用于登录获取到token其他用例模块就不需要再登录了)


import pytest


def test_one(login):


print("登陆后,操作111")


def test_two(login,open_page):


print("测试用例2")


def test_three(open_page):


print("测试用例3")

 运行结果:

细心的人应该可以知道,测试用例2并没有调用login函数,因为前置设置的是共享模式,类似全局函数。

  参数化区别
参数化应用场景,一个场景的用例会用到多条数据来进行验证,比如登录功能会用到正确的用户名、密码登录,错误的用户名、正确的密码,正确的用户名、错误的密码等等来进行测试,这时就可以用到框架中的参数化,来便捷的完成测试。

参数化 就是数据驱动思想,即可以在一个测试用例中进行多组的数据测试,而且每一组数据都是分开的、独立的。

unittest参数化其实是:ddt,叫数据驱动。

pytest数据驱动,就是参数化,使用@pytest.mark.parametrize

1.先看unittest如何进行参数化:


test_data = [1,2,3]


@ddt.ddt


class Testddt(unittest.TestCase):


@ddt.data(*test_data)


def test_001(self,get_data):


print(get_data)


if __name__ == '__main__':


unittest.main()

 运行结果:

2.pytest中参数化的用法

在测试用例的前面加上:
@pytest.mark.parametrize("参数名",列表数据)
参数名:用来接收每一项数据,并作为测试用例的参数。
列表数据:一组测试数据。

@pytest.mark.parametrize("参数1,参数2",[(数据1,数据2),(数据1,数据2)])
示例:
@pytest.mark.parametrize("a,b,c",[(1,3,4),(10,35,45),(22.22,22.22,44.44)])
def test_add(a,b,c):
res = a + b
assert res == c

实例:


@pytest.mark.parametrize('data',[1,2,3])


class Testddt(object):


def test_001(self,data):


print(data)


if __name__ == '__main__':


pytest.main(['-sv'])

运行结果:

总结

  以上就是unittest与pytest测试框架的区别,七大主要区别,这里已讲了两个区别的实例,其他五个有时间再补充,

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴上万个测试工程师们走过最艰难的路程,希望也能帮助到你!

相关推荐

  1. Python自动化测试unittest与pytest框架

    2024-07-14 18:34:04       42 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-14 18:34:04       67 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-14 18:34:04       71 阅读
  3. 在Django里面运行非项目文件

    2024-07-14 18:34:04       58 阅读
  4. Python语言-面向对象

    2024-07-14 18:34:04       69 阅读

热门阅读

  1. 代码随想录算法训练营第38天

    2024-07-14 18:34:04       30 阅读
  2. stm32出现hardfault-自动化分析map文件

    2024-07-14 18:34:04       18 阅读
  3. 深度学习-4-PyTorch中的数据加载器Dataset和DataLoader

    2024-07-14 18:34:04       17 阅读
  4. defineProps和defineEmits

    2024-07-14 18:34:04       18 阅读
  5. 常见排序算法

    2024-07-14 18:34:04       15 阅读
  6. 高阶面试-mongodb

    2024-07-14 18:34:04       17 阅读
  7. 【无标题】

    2024-07-14 18:34:04       19 阅读