1. unittest简介

unittest是一个Python单元测试框架。它受到 JUnit 的启发，与其他语言中的主流单元测试框架有着相似的风格。其支持测试自动化，配置共享和关机代码测试。支持将测试样例聚合到测试集中，并将测试与报告框架独立。

2. 脚本编写

新建一个 tests/test_demo.py 脚本，内容如下：

import unittest

class TestStringMethods(unittest.TestCase):

    def test_upper(self):
        self.assertEqual('foo'.upper(), 'FOO')

    def test_isupper(self):
        self.assertTrue('FOO'.isupper())
        self.assertFalse('Foo'.isupper())

    def test_split(self):
        s = 'hello world'
        self.assertEqual(s.split(), ['hello', 'world'])
        # check that s.split fails when the separator is not a string
        with self.assertRaises(TypeError):
            s.split(2)

if __name__ == '__main__':
    unittest.main()

继承 unittest.TestCase 就创建了一个测试样例。上述三个独立的测试是三个类的方法，这些方法的命名都以 test 开头。这个命名约定告诉测试运行者类的哪些方法表示测试。

每个测试的关键是：调用 assertEqual() 来检查预期的输出；调用 assertTrue() 或 assertFalse() 来验证一个条件；调用 assertRaises() 来验证抛出了一个特定的异常。

通过 setUp() 和 tearDown() 方法，可以设置测试开始前与完成后需要执行的指令。

最后的代码块中，演示了运行测试的一个简单的方法。 unittest.main() 提供了一个测试脚本的命令行接口。

3. 执行测试

方法一：脚本级别调用（直接运行脚本）

1
2
3

python tests/test_demo.py
python tests/test_demo.py -v
python -m unittest tests/test_demo.py

方法二：包、模块、类和方法级别调用

# 包级别调用（进入tests目录查找所有test_*.py文件并运行）
python -m unittest discover -s tests -p "test_*.py"
# 模块级别调用
python -m unittest tests.test_demo
# 类级别调用
python -m unittest tests.test_demo.TestStringMethods
# 方法级别调用
python -m unittest tests.test_demo.TestStringMethods.test_upper

4. 单元测试之mock

单元测试时，如果涉及网络请求，建议使用mock模块来模拟。

import json
import unittest
from unittest import mock
import requests

def request_system(method: str, url: str, data={}):
    headers = {
        'Content-Type': 'application/json'
    }
    response = requests.request(method=method, url=url, headers=headers, data=json.dumps(data))
    return response

def login(username: str, password: str):
    # 以下接口暂时访问不通
    LOGIN_URL='http://127.0.0.1/login'
    data = {
        'username': username,
        'password': password
    }
    response = request_system('POST', LOGIN_URL)
    if response.status == 200:
        return json.loads(response.text)
    else:
        return None

class TestMockMethods(unittest.TestCase):
    def test_request_system(self):
        mock_response = mock.Mock()
        mock_response.status_code = 200
        mock_response.text = json.dumps({"code": 0, "msg":"success"})
        request_system = mock.Mock(return_value=mock_response)

        response = request_system(method='POST',url='http://127.0.0.1/')
        print(response.status_code)
        print(response.text)
        self.assertEqual(200, response.status_code)

    def test_login(self):
        login = mock.Mock(return_value={"code": 0, "msg":"success"})
        data = login(username='voidking',password='voidking')
        print(data)
        self.assertEqual(0, data.get('code'))

if __name__ == '__main__':
    unittest.main()

这种模拟测试方式很巧妙，适合测试访问第三方接口，但是并不会真正发出请求。
另一个问题来了，Python怎么测试自己的接口？不知道。
想到以前使用Beego框架进行开发，它的单元测试就很巧妙，先在测试数据库插入数据，然后通过beego.BeeApp.Handlers.ServeHTTP(w, r)把自己临时启动起来，最后自己的单元测试调用自己的接口。
其中的关键在于把自己启动起来，理论上Python也能做到。

5. 后记

python语言中的单元测试，除了使用unittest，还可以使用pytest。

FROM ChatGPT：
unittest和pytest是Python中两种流行的单元测试框架，它们有以下主要区别：

语法：unittest是Python标准库中的测试框架，而pytest是一个第三方测试框架。因此，unittest的语法更加正式和严格，而pytest的语法更加简洁和灵活。
自动化：pytest比unittest更加自动化和智能化。pytest可以自动发现和运行测试用例，而unittest需要手动编写测试用例的套件和运行代码。
插件和扩展性：pytest提供了大量的插件和扩展功能，例如测试报告、代码覆盖率、测试并行化、测试重试等。相比之下，unittest的扩展性较弱，需要编写更多的自定义代码才能实现类似的功能。
断言：unittest和pytest都提供了丰富的断言方法，用于检查测试结果是否符合预期。但是，pytest的断言方法更加灵活和易于使用，例如使用assert语句进行断言。
用例参数化：pytest支持用例参数化，可以通过数据驱动的方式多次运行同一个测试用例，以检查不同的输入和输出。相比之下，unittest需要手动编写多个测试用例，以实现类似的功能。