Python案例如何做单元测试

wen python案例 2026-06-05 54

Python案例如何做单元测试：从入门到实战的完整指南

目录导读

为什么需要单元测试？
准备工作：安装与基础框架
测试一个简单的计算函数
测试包含外部依赖的类
使用Mock模拟网络请求
测试异常与边界条件
数据驱动测试与参数化
常见问题FAQ
总结与最佳实践

为什么需要单元测试？

问：单元测试到底是什么？为什么这么多开发者强调它？

Python案例如何做单元测试

答：单元测试是针对程序中的最小可测试单元（通常是函数或方法）进行的自动化验证，在Python中，单元测试意味着你写出独立的测试代码，来检查某个函数的输入输出是否符合预期,它的核心价值包括：

早期发现bug：在代码合并到主分支前就能捕获逻辑错误
防止回归：修改代码后，只需运行测试就能知道是否破坏了已有功能
文档化行为：测试代码本身就是一种“活文档”，展示了函数应如何使用
提升设计：为了可测试性，你自然会写出更解耦、更模块化的代码

根据Stack Overflow 2023年调查，超过65%的专业开发者会定期编写单元测试，这不再是“可选项”,而是生产级代码的标配。

准备工作：安装与基础框架

Python内置的unittest模块是官方标准库，无需安装，但更流行的选择是pytest——它语法更简洁、支持更丰富的插件生态。

pip install pytest pytest-cov  # pytest-cov用于覆盖率统计

关键概念：

TestCase：一组相关测试的集合
断言：assert语句或self.assertEqual()等
覆盖率：被测试代码的执行比例，一般要求≥80%

案例一：测试一个简单的计算函数

假设你有一个函数calculate_discount(price, discount_rate),我们需要验证其输出。

# code.py
def calculate_discount(price: float, discount_rate: float) -> float:
    """应用折扣，返回折扣后的价格"""
    if price < 0:
        raise ValueError("Price cannot be negative")
    if discount_rate < 0 or discount_rate > 1:
        raise ValueError("Discount rate must be between 0 and 1")
    return price * (1 - discount_rate)

对应的测试代码：

# test_code.py
import pytest
from code import calculate_discount
def test_normal_case():
    assert calculate_discount(100, 0.2) == 80.0
def test_no_discount():
    assert calculate_discount(100, 0) == 100.0
def test_full_discount():
    assert calculate_discount(100, 1) == 0.0
def test_negative_price():
    with pytest.raises(ValueError, match="Price cannot be negative"):
        calculate_discount(-10, 0.2)
def test_invalid_rate():
    with pytest.raises(ValueError, match="Discount rate must be between 0 and 1"):
        calculate_discount(100, 1.5)

运行：pytest test_code.py -v
你会看到所有测试通过,并且错误路径也被覆盖。

案例二：测试包含外部依赖的类

实际项目中，很多类会依赖数据库、文件系统或其他服务，直接测试会很慢且不稳定，解决方案是依赖注入。

# service.py
class UserService:
    def __init__(self, db_connection):
        self.db = db_connection
    def get_user_email(self, user_id):
        user = self.db.find_one({"id": user_id})
        if user is None:
            raise ValueError("User not found")
        return user.get("email")

测试时,使用一个假数据库实例：

# test_service.py
import pytest
from service import UserService
class FakeDB:
    def __init__(self, data):
        self.data = data
    def find_one(self, query):
        return self.data.get(query.get("id"))
def test_get_user_email_found():
    fake_db = FakeDB({1: {"id": 1, "email": "test@example.com"}})
    service = UserService(fake_db)
    assert service.get_user_email(1) == "test@example.com"
def test_get_user_email_not_found():
    fake_db = FakeDB({})
    service = UserService(fake_db)
    with pytest.raises(ValueError, match="User not found"):
        service.get_user_email(99)

这种模式让测试完全在内存中运行,无需启动真实数据库。

案例三：使用Mock模拟网络请求

当代码调用外部API时，我们不想真正发起网络请求（会慢、可能失败、有配额限制）。unittest.mock库可以模拟对象。

# fetcher.py
import requests
def fetch_weather(city):
    resp = requests.get(f"https://api.weather.com/{city}")
    if resp.status_code == 200:
        return resp.json()
    else:
        raise ConnectionError("API request failed")

测试中我们模拟requests.get：

# test_fetcher.py
import pytest
from unittest.mock import patch, Mock
from fetcher import fetch_weather
@patch("fetcher.requests.get")
def test_fetch_weather_success(mock_get):
    mock_response = Mock()
    mock_response.status_code = 200
    mock_response.json.return_value = {"temp": 25, "city": "Beijing"}
    mock_get.return_value = mock_response
    result = fetch_weather("Beijing")
    assert result == {"temp": 25, "city": "Beijing"}
    mock_get.assert_called_once_with("https://api.weather.com/Beijing")
@patch("fetcher.requests.get")
def test_fetch_weather_failure(mock_get):
    mock_response = Mock()
    mock_response.status_code = 404
    mock_get.return_value = mock_response
    with pytest.raises(ConnectionError):
        fetch_weather("Unknown")

关键点：

@patch装饰器临时替换fetcher.requests.get为Mock对象
Mock对象可以预设返回值、属性
使用assert_called_once_with验证调用参数

案例四：测试异常与边界条件

好的单元测试不仅要测“正常路径”，还要测试异常和边界,比如处理用户输入的验证函数：

# validator.py
def validate_age(age: int) -> bool:
    if not isinstance(age, int):
        raise TypeError("Age must be an integer")
    if age < 0 or age > 150:
        raise ValueError("Age must be between 0 and 150")
    return True
# 测试边界
def test_valid_ages():
    assert validate_age(0) == True
    assert validate_age(150) == True
    assert validate_age(25) == True
def test_invalid_ages():
    with pytest.raises(ValueError):
        validate_age(-1)
    with pytest.raises(ValueError):
        validate_age(151)
def test_non_integer():
    with pytest.raises(TypeError):
        validate_age("25")
    with pytest.raises(TypeError):
        validate_age(25.5)

边界值测试（0, 150, -1, 151）帮你发现常见“栅栏错误”。

案例五：数据驱动测试与参数化

当测试逻辑相同但数据不同时,用参数化避免重复代码。

import pytest
from code import calculate_discount
@pytest.mark.parametrize("price,rate,expected", [
    (100, 0.2, 80),
    (100, 0, 100),
    (100, 1, 0),
    (50.5, 0.1, 45.45),
])
def test_calculate_discount_param(price, rate, expected):
    assert abs(calculate_discount(price, rate) - expected) < 0.001

同时测试异常情况：

@pytest.mark.parametrize("price,rate,expected_exception", [
    (-10, 0.2, ValueError),
    (100, 1.5, ValueError),
])
def test_calculate_discount_invalid(price, rate, expected_exception):
    with pytest.raises(expected_exception):
        calculate_discount(price, rate)

参数化让测试数量轻松扩展,且每个参数组合都独立报告。