Python 测试核心（面试向）

概述

本篇是「Python 面试核心」系列第四篇，讲测试：单元测试、pytest、mock、集成测试与覆盖率。测试能力是高级工程师的分水岭 —— 不是会不会写测试，而是设计出「可测试的代码」。

所有示例均在 CentOS 测试机（Python 3.10.12 + pytest 7.4.4 + fastapi 0.141）实测通过。

单元测试

单元测试验证「最小可测单元」在给定输入下输出正确。Python 内置 unittest，了解它有助于读懂存量代码：

import unittest

def add(x, y):
    return x + y

class TestAdd(unittest.TestCase):
    def test_normal(self):
        self.assertEqual(add(1, 2), 3)

    def test_type_error(self):
        with self.assertRaises(TypeError):     # 断言抛出指定异常
            add(1, "a")

unittest.main(argv=["x", "-v"], exit=False)    # 脚本内手动运行
# test_normal ... ok / test_type_error ... ok / OK (ran 2 tests)

面试要点：

• 一个测试只验证一个行为；命名要能当文档读（test_被测对象_场景_预期）
• AAA 结构：Arrange 准备数据、Act 调用被测代码、Assert 断言结果
• 单元测试必须不依赖网络/数据库/文件 —— 那是集成测试的事，隔离靠 mock
• 测试之间绝不共享可变状态，执行顺序无关（pytest 默认按代码顺序，别依赖它）

pytest 基础

pytest 用裸 assert + 命名约定取代类与断言方法，是当前事实标准：

import pathlib, textwrap, pytest

# pytest 的测试文件：test_ 前缀函数，裸 assert，失败自动显示两侧值
test_file = pathlib.Path("/tmp/test_demo.py")
test_file.write_text(textwrap.dedent('''
    def add(x, y):
        return x + y

    def test_add_normal():
        assert add(1, 2) == 3

    def test_add_msg():
        assert add(1, 1) == 2, "1+1 应该等于 2"
''').strip(), encoding="utf-8")

rc = pytest.main(["-q", str(test_file)])
print("pytest 退出码:", int(rc))               # 0 = 全部通过
# .. [100%] 2 passed / pytest 退出码: 0

面试要点：

• 断言失败时 pytest 自动做 introspection，显示表达式中每个变量的值，不用手写提示
• 运行入口：pytest（扫 test_*.py）、pytest tests/test_a.py::test_x（精确到函数）、pytest -k add（按名过滤）
• pytest.main 可编程调用，CI/工具链集成常用；退出码 0 通过、1 有失败
• fixture 与参数化（下一节）是 pytest 真正的杀手锏

pytest 进阶：fixture 与参数化

import pathlib, textwrap, pytest

test_file = pathlib.Path("/tmp/test_adv.py")
test_file.write_text(textwrap.dedent('''
    import pytest

    @pytest.fixture                       # 夹具：准备数据/环境，按名注入
    def data():
        return {"db": "connected"}

    def test_with_fixture(data):
        assert data["db"] == "connected"

    @pytest.mark.parametrize("a,b,out", [  # 参数化：一次实现跑多组用例
        (1, 2, 3),
        (0, 0, 0),
        (-1, 1, 0),
    ])
    def test_add(a, b, out):
        assert a + b == out
''').strip(), encoding="utf-8")

rc = pytest.main(["-q", str(test_file)])
print("pytest 退出码:", int(rc))               # 4 passed

面试要点：

• fixture 解决「多个测试要同一份前置数据」的复制粘贴问题；yield 写法支持清理（yield 后写收尾）
• fixture 作用域：function（默认）/ class / module / session，session 级只建一次（如数据库连接池）
• conftest.py 放共享 fixture，同目录及子目录测试自动可见，无需 import
• 参数化让「同一个逻辑 × 多组边界值」一次覆盖：空列表、0、负数、超长串都是必测边界

mock

mock 的本质：用可控替身替换真实依赖，让单元测试不碰网络、数据库、时间：

from unittest.mock import MagicMock, patch
import os

# MagicMock：替身对象，自动记录调用、方法可编排返回值
client = MagicMock()
client.get("/price/a").json.return_value = {"price": 100}
print(client.get("/price/a").json())          # {'price': 100}
print(client.get.call_count)                  # 1
client.get.assert_called_with("/price/a")     # 断言调用方式，不抛错即通过

# patch.dict：临时替换环境变量，with 结束自动还原
def get_mode():
    return os.environ.get("KB_MODE", "dev")

with patch.dict(os.environ, {"KB_MODE": "prod"}):
    print(get_mode())                         # prod
print(get_mode())                             # dev —— 环境已还原

面试要点：

• mock 什么：外部 IO（HTTP、DB）、不确定源（时间、随机数）、昂贵的依赖
• patch("模块路径.名字") 要替换「被使用处」而不是「定义处」，这是 patch 路径最常见的坑
• assert_called_with / call_count 不仅能替身返回值，还能验证「交互行为」—— 这是行为驱动测试的关键
• mock 过度的信号：mock 了被测函数内部所有东西，说明该函数该拆分了

集成测试

集成测试验证多个真实组件协作（路由 → 校验 → 业务 → 存储）。FastAPI 的 TestClient 是经典范式 —— 不起端口、不进网络栈，直接驱动应用：

from fastapi import FastAPI
from fastapi.testclient import TestClient

app = FastAPI()
DB = {"items": []}                    # 演示用内存存储（真实项目换测试库/临时文件）

@app.post("/items", status_code=201)
def create(body: dict):
    DB["items"].append(body)
    return body

@app.get("/items")
def listing():
    return DB["items"]

# TestClient 直接驱动 ASGI 应用：真实走完整请求管线（路由/校验/序列化）
c = TestClient(app)
print(c.post("/items", json={"name": "服务器"}).status_code)   # 201
print(c.get("/items").json())                                  # [{'name': '服务器'}]

面试要点：

• 集成测试与单元测试的分界：是否有真实外部组件协作；TestClient 模拟 HTTP 语义但仍在进程内
• 测试数据要隔离：每个测试用独立 DB/事务回滚/临时目录，测试完不污染下个测试
• 外部依赖用「测试替身服务」或 mock server，而不是打真实第三方接口（慢、贵、不稳定）
• 验证的不只是返回值：状态码、响应结构、副作用（DB 落库）、日志都要覆盖

覆盖率与工程化

覆盖率衡量「测试执行到的代码比例」，是门槛指标不是目标指标：

# 安装
pip install pytest pytest-cov

# 跑测试 + 覆盖率报告（缺哪些行一目了然）
pytest --cov=myapp --cov-report=term-missing -q

# CI 里的阈值门槛：低于 80% 直接失败
pytest --cov=myapp --cov-fail-under=80 -q

工程化检查单：

• 测试目录 tests/ 与源码分离，conftest.py 管共享夹具，CI 每次提交全量跑
• 提交前本地跑：pytest -q 快速反馈；合并前 CI 跑全量 + 覆盖率门槛
• 变异测试（mutation testing）可检验「覆盖率是真是假」：改一行代码看测试会不会挂

面试要点：

• 100% 覆盖率不等于没有 bug：覆盖率只说明「执行过」，不说明「断言过」
• 覆盖率的价值在于发现盲区（没被任何测试碰到的分支），而非凑数字
• 面试答法：「我以覆盖率为健康度参考，重点保证核心业务路径的分支全覆盖 + CI 门槛」

高频面试题速答