前言

在进行 Python 程序单元测试时，测试框架的选型是一个首要的问题。面对众多 Python 单元测试框架，我应该选择哪一个？

本文将探讨这个问题。文章的结构如下。首先，介绍单元测试，框架以及测试框架的基本概念；接着，介绍三种最流行的 Python 单元测试框架，分别是unittest, nose 和 pytest；然后，介绍作者关于 Python 单元测试框架选型的思考和心得；最后，总结全文。

基本概念

在介绍具体的 Python 单元测试框架之前，我们先来回顾一些基本概念。

什么是单元测试？单元测试是软件测试的一种类型。顾名思义，单元测试就是测试的对象是程序中的最小单元的测试。程序的最小单元可以是一个函数，一个类，也可以是函数的组合，类的组合。

单元测试是软件测试中最低级别的测试活动，与之相对的更高级别的测试有模块测试，集成系统和系统测试等。单元测试一般由软件开发者而不是独立的测试工程师完成。另外，单元测试有一个隐含的性质，那就是单元测试天然就是自动化的，单元测试属于自动化测试。

什么是框架？首先，框架是一个 “架子”。这个架子能够完成领域内基础的、重要的功能。基于这个已有的架子，我们可以将重心放在面向业务的开发上。

其次，框架也是一个 “框框”。“框框” 为我们设置了有形和无形的约束。所谓有形的约束，就是我们的开发工作需要符合框架的定义、与框架兼容。所谓无形的约束，就是我们的开发工作需要承受框架的缺点和不足 (毕竟，没有十全十美的框架)。

什么是测试框架？ 我们知道，软件测试分为手工测试和自动化测试。需要注意的是，一般只有自动化测试才有框架的概念。(自动化) 测试框架，需要提供自动化测试用例编写、自动化测试用例执行、自动化测试报告生成等基础功能。

有了测试框架，我们只需要完成和业务高度相关的测试用例设计和实现即可。另外，框架会为我们处理好复杂度与扩展性的问题，我们无需为此操心。

有了这些概念作为支撑，我们就很容易理解什么是 Python 单元测试框架了。所谓 Python 单元测试框架，就是面向 Python 编程语言，服务于 Python 单元测试的自动化测试框架。

主流框架

Python 单元测试框架有很多，我们介绍最流行的三种。

unittest

unittest 是 Python 标准库中自带的单元测试框架。unittest 有时候也被称为 PyUnit。就像 JUnit 是 Java 语言的标准单元测试框架一样，unittest(PyUnit) 则是 Python 语言的标准单元测试框架。

unittest 支持自动化测试，测试用例的初始化和关闭，测试用例的聚合等功能。unittest 有一个很重要的特性：它通过类 (class) 的方式，将测试用例组织在一起。

一个简单的示例如下：

import unittest

class TestStringMethods(unittest.TestCase):
    def test_upper(self):
        self.assertEqual('foo'.upper(), 'FOO')

if__name__=='__main__':
    unittest.main()

执行结果：

...
---------------------
Ran 1 tests in 0.000s
OK

需要注意的是，unittest 有一个关联模块unittest2。但是 unittest2 仅适用于 Python 2.4-2.6。这是因为，从 Python 2.7 开始，unittest 增加一些新的特性。为了在老的版本 Python 2.4-2.6 支持这些特性，提供了 unittest2 这个库。对于 Python 2.7 及之后的版本，unittest 是唯一的。

nose

nose 是 Python 的一个第三方单元测试框架。这意味着，如果要使用 nose，需要先显式安装它：

pip install nose

与 unittest 不同的是，nose 的测试用例并不限制于类。任何函数和类，只要名称匹配一定的条件 (例如，以 test 开头或以 test 结尾等)，都会被自动识别为测试用例；并且，为了兼容 unittest, 所有的基于 unitest 编写的测试用例，也会被 nose 自动识别为。

一个简单的 nose 单元测试示例如下：

import nose

def test_example ():
    pass

if __name__ == '__main__':
    nose.runmodule()

执行结果：

...
---------------------
Ran 1 tests in 0.000s
OK

需要注意的是，nose 已经进入维护模式，从github nose上可以看到，nose 最近的一次代码提交还是在2016年5月4日。继承 nose 的是 nose2，但要注意的是，nose2 并不支持 nose 的全部功能，它们的区别可以看这里。

nose2 的主要目的是扩展 Python 的标准单元测试库 unittest，因此它的定位是 “带插件的 unittest”。nose2 提供的插件，例如测试用例加载器，覆盖度报告生成器，并行测试等内置插件和第三方插件，让单元测试变得更加完善。

pytest

pytest 是 Python 另一个第三方单元测试库。它的目的是让单元测试变得更容易，并且也能扩展到支持应用层面复杂的功能测试。

pytest 的特性有：

1. 支持用简单的 assert 语句实现丰富的断言，无需复杂的 self.assert* 函数
2. 自动识别测试模块和测试函数
3. 兼容 unittest 和 nose 测试集
4. 支持 Python3 和 PyPy3
5. 丰富的插件生态，已有 300 多个各式各样的插件，和活跃的社区

pytest 一个简单的示例如下：

def inc(x):
    return x +1

def test_answer():
    assert inc(3) ==5

执行结果如下：

$ pytest
============================= test session starts=============================
collected 1 items
test_sample.py F
================================== FAILURES===================================
_________________________________ test_answer_________________________________
    def test_answer():
>       assert inc(3)== 5
E       assert 4 == 5
E        +  where 4 = inc(3)

test_sample.py:5: AssertionError
========================== 1 failed in 0.04 seconds===========================

框架选型

(1) 从入门难度看，pytest/nose 优于 unittest

虽然 unittest 是 Python 自带的单元测试库，但是要上手 unittest 是有难度的，既需要了解 testrunner, testsuite, testcase 等基本概念，还需要熟悉面向对象编程。而 pytest/nose 则为我们隐藏了这些细节，因而能够降低入门单元测试的难度。

对于有一定 Python 编程基础的人来说，unittest 是适合的；对于 Python 编程基础较弱的人来说，nose 和 pytest 则比较适合。另外，对比 nose 和 pytest，一般认为 pytest 的入门难度更低。

(2) 同为第三方库，pytest 的生态优于 nose/nose2

我们知道，nose 已经进入了维护模式，取代者是 nose2。相比 nose2，pytest 的生态无疑更具优势，社区的活跃度也更高。

例如，在 github 上，截止现在，pytest 的 STAR 数量是 4229，而 nose2 的 STAR 数量是 558；pytest 的提交数量是 10384，而 nose2 的提交数量是 917。最重要的，pytest 的插件数量是 300 多个，远高于 nose2 的 20 多个插件。

如果只需要基本的插件，那么 nose 和 pytest 都是适合的；如果追求单元测试更丰富的插件，那么 pytest 更适合。

(3) 从通用性角度看，pytest 优于 unittest 和 nose

与 unittest/nose 不同的是，pytest 不仅能用于单元测试，还能用于更高级别的，面向应用的功能测试。因此，如果需要进行更高级别的测试，则适合采用 Pytest。

总结

在进行 Python 程序测试时，测试框架的选型是一个重要的问题。众多测试框架之间，我到底应该选择哪一个？

本文对比了 unittest，nose 和 pytest 这三种最流行的 Python 单元测试测试，指出了各个框架的特点，指出了在不同场景和不同需求下，哪一种框架更适合。当然，本文的分析还是比较初步的，在实际中，还需要结合具体情况深入分析后再做决定。

我是肖哥 shelwin，一个高质量软件工程实践者和推动者。欢迎扫描下方二维码，添加我的个人公众号测试不将就，获得更多自动化测试, 持续集成, 软件工程实践, Python 编程等领域原创文章。