Python 测试用例设计指南：从入门到最佳实践

“任何未经测试的代码，都是不可靠的代码。”

在软件开发中，测试是保障代码质量的关键环节。Python 作为一门简洁而强大的语言，拥有丰富的测试生态。本文将从零开始，带你掌握 Python 测试用例的设计方法与最佳实践。

一、为什么需要写测试？

很多开发者觉得写测试"浪费时间"，但事实上，测试能帮你：

• 尽早发现 Bug：在代码上线前捕获问题，修复成本远低于线上排错。
• 重构的信心：有了测试的保护伞，你可以大胆重构而不必担心引入新问题。
• 活的文档：好的测试用例本身就是代码行为的最佳说明。
• 团队协作：测试让新成员更快理解模块的预期行为。

二、Python 测试工具概览

本文以pytest为主进行讲解，同时也会涉及unittest的基本用法。

三、第一个测试用例

3.1 被测函数

# calculator.pydefadd(a:float,b:float)->float:returna+bdefdivide(a:float,b:float)->float:ifb==0:raiseValueError("除数不能为零")returna/b

3.2 使用 pytest 编写测试

# test_calculator.pyimportpytestfromcalculatorimportadd,dividedeftest_add_positive_numbers():assertadd(2,3)==5deftest_add_negative_numbers():assertadd(-1,-1)==-2deftest_add_mixed_numbers():assertadd(-1,1)==0deftest_divide_normal():assertdivide(10,2)==5.0deftest_divide_by_zero():withpytest.raises(ValueError,match="除数不能为零"):divide(10,0)

运行测试：

$ pytest test_calculator.py-v

3.3 使用 unittest 编写测试

# test_calculator_unittest.pyimportunittestfromcalculatorimportadd,divideclassTestCalculator(unittest.TestCase):deftest_add_positive_numbers(self):self.assertEqual(add(2,3),5)deftest_divide_by_zero(self):withself.assertRaises(ValueError):divide(10,0)if__name__=="__main__":unittest.main()

四、测试用例设计的核心原则

4.1 FIRST 原则

4.2 AAA 模式

每个测试用例应遵循Arrange-Act-Assert结构：

deftest_shopping_cart_total():# Arrange（准备）cart=ShoppingCart()cart.add_item("Python书",price=59.0)cart.add_item("键盘",price=199.0)# Act（执行）total=cart.get_total()# Assert（断言）asserttotal==258.0

4.3 测试命名规范

好的测试名称应该清晰表达测试意图：

# ❌ 不好的命名deftest_1():...deftest_divide():...# ✅ 好的命名deftest_divide_returns_correct_quotient():...deftest_divide_raises_error_when_divisor_is_zero():...

五、测试用例设计方法

5.1 等价类划分

将输入数据划分为若干"等价类"，每个类中取一个代表值进行测试：

# 判断年龄阶段defclassify_age(age:int)->str:ifage<0:raiseValueError("年龄不能为负数")elifage<18:return"未成年"elifage<60:return"成年人"else:return"老年人"

等价类划分：

5.2 边界值分析

Bug 往往隐藏在边界条件中，重点测试边界值：

@pytest.mark.parametrize("age, expected",[(-1,"error"),# 无效下界(0,"未成年"),# 有效下界(17,"未成年"),# 区间上界(18,"成年人"),# 新区间下界(59,"成年人"),# 区间上界(60,"老年人"),# 新区间下界(150,"老年人"),# 极端值])deftest_classify_age(age,expected):ifexpected=="error":withpytest.raises(ValueError):classify_age(age)else:assertclassify_age(age)==expected

5.3 状态转换测试

对于有状态的对象，测试不同状态之间的转换：

classOrder:def__init__(self):self.status="created"defpay(self):ifself.status!="created":raiseRuntimeError("只有已创建的订单可以支付")self.status="paid"defship(self):ifself.status!="paid":raiseRuntimeError("只有已支付的订单可以发货")self.status="shipped"defcancel(self):ifself.status=="shipped":raiseRuntimeError("已发货的订单不能取消")self.status="cancelled"

deftest_order_lifecycle_happy_path():"""正常流程：创建 → 支付 → 发货"""order=Order()order.pay()assertorder.status=="paid"order.ship()assertorder.status=="shipped"deftest_order_cannot_ship_before_payment():"""未支付不能发货"""order=Order()withpytest.raises(RuntimeError):order.ship()deftest_order_cannot_cancel_after_shipping():"""已发货不能取消"""order=Order()order.pay()order.ship()withpytest.raises(RuntimeError):order.cancel()

六、进阶技巧

6.1 参数化测试（Parametrize）

避免重复代码，用一组数据驱动多个测试：

@pytest.mark.parametrize("input_str, expected",[("hello","HELLO"),("World","WORLD"),("123abc","123ABC"),("",""),])deftest_to_uppercase(input_str,expected):assertinput_str.upper()==expected

6.2 Fixture（测试夹具）

用 Fixture 管理测试的前置条件和资源清理：

importpytestimporttempfileimportos@pytest.fixturedeftemp_file():"""创建一个临时文件，测试结束后自动清理"""fd,path=tempfile.mkstemp()withopen(path,"w")asf:f.write("hello world")yieldpath# 将路径传递给测试函数# 清理os.close(fd)os.unlink(path)deftest_read_file(temp_file):withopen(temp_file)asf:content=f.read()assertcontent=="hello world"

6.3 Mock 与 Patch

当测试涉及外部依赖（数据库、API、文件系统等）时，使用 Mock 隔离：

fromunittest.mockimportpatch,MagicMockfrommy_serviceimportUserServicedeftest_get_user_from_api():withpatch("my_service.requests.get")asmock_get:# 模拟 API 返回mock_response=MagicMock()mock_response.json.return_value={"name":"Alice","age":30}mock_response.status_code=200mock_get.return_value=mock_response# 执行测试service=UserService()user=service.get_user(1)# 断言assertuser["name"]=="Alice"mock_get.assert_called_once_with("https://api.example.com/users/1")

代码解释

这段代码没有发送真正的网络请求。

这是 Python 单元测试中unittest.mock库的核心用法，具体解释如下：

1. 核心机制：Mock（模拟/打桩）

withpatch("my_service.requests.get")asmock_get:

这行代码做了两件事：

• 拦截：在with块的作用域内，将my_service模块中引用的requests.get临时替换为一个MagicMock对象。
• 隔离：当UserService.get_user()内部调用requests.get(...)时，它调用的其实是这个 Mock 对象，而不是真正的 HTTP 客户端。with块结束后，原始的requests.get会自动恢复。

2. 预设返回值

mock_response.json.return_value={"name":"Alice","age":30}mock_response.status_code=200mock_get.return_value=mock_response

这里手动构造了一个"假响应"，告诉 Mock 对象：

“当别人调用你时，返回这个我预先设定好的 response 对象”

所以service.get_user(1)拿到的数据完全是你编造的，不依赖任何外部服务。

3. 验证行为而非结果

mock_get.assert_called_once_with("https://api.example.com/users/1")

这行断言验证的是：你的业务代码是否以正确的参数调用了 API。即使没有真实请求，也能确认 URL 拼接逻辑是否正确。

为什么要这样做？

⚠️ 注意事项

• Patch 路径必须是"被测模块中的引用路径"，即"my_service.requests.get"而非"requests.get"。如果写错路径，Mock 不会生效，可能会意外发出真实请求。
• Mock 只验证了集成点的调用方式，不能替代对真实 API 的集成测试/契约测试。建议单元测试用 Mock，另设少量集成测试验证真实连通性。

总结：这段代码是一个标准的纯单元测试，通过 Mock 将外部依赖替换为可控的假对象，从而快速、可靠地验证UserService自身的业务逻辑。

6.4 测试覆盖率

使用pytest-cov插件检查测试覆盖率：

$ pytest--cov=my_module --cov-report=term-missing

---------- coverage: platform linux, python 3.11 ---------- Name Stmts Miss Cover Missing ---------------------------------------------------- calculator.py 8 1 88% 7 test_calculator.py 12 0 100% ---------------------------------------------------- TOTAL 20 1 95%

💡建议：不要盲目追求 100% 覆盖率，而应关注关键路径和边界条件是否被充分测试。一般来说，80% 以上的覆盖率是一个合理的目标。

七、项目测试结构

推荐的项目目录结构：

my_project/ ├── src/ │ └── my_module/ │ ├── __init__.py │ ├── core.py │ └── utils.py ├── tests/ │ ├── conftest.py # 共享的 Fixture │ ├── test_core.py │ └── test_utils.py ├── pyproject.toml # 配置 pytest └── README.md

在pyproject.toml中配置 pytest：

[tool.pytest.ini_options] testpaths = ["tests"] addopts = "-v --tb=short"

八、常见反模式（要避免的做法）

九、总结

设计优秀的 Python 测试用例，核心在于：

1. 选对工具：推荐 pytest，简洁高效。
2. 遵循原则：FIRST 原则 + AAA 模式。
3. 运用方法：等价类划分、边界值分析、状态转换。
4. 善用技巧：参数化、Fixture、Mock、覆盖率分析。
5. 避开陷阱：保持测试独立、简洁、可维护。

记住，测试不是负担，而是你对代码质量的投资。今天多花 10 分钟写测试，明天就少花 2 小时排查 Bug。

Happy Testing! 🧪✨