1. unittest是什么？

unittest 是Python标准库中自带的单元测试框架，灵感来源于Java的JUnit。它提供了一套完整的测试结构，包括测试用例编写、断言、测试套件管理、测试运行和结果报告等功能，是Python开发者必备的测试工具。

---

2. unittest核心组件

组件/概念	作用
TestCase	测试用例的基类，每个测试方法需继承它并以test_开头。
TestSuite	测试套件，用于组合多个测试用例或套件。
TestRunner	运行测试并输出结果（如TextTestRunner）。
TestLoader	自动发现和加载测试（如discover()方法）。
断言方法	如assertEqual()、assertTrue()等，用于验证结果。
Fixture	setUp()和tearDown()方法，管理测试前后的资源。

---

3. 如何使用unittest？

3.1 编写测试用例

import unittestclass TestMath(unittest.TestCase):def test_add(self):self.assertEqual(1 + 1, 2)  # 基础断言def test_divide(self):with self.assertRaises(ZeroDivisionError):1 / 0  # 验证异常

3.2 运行测试

• 命令行运行：

  # 运行单个模块
  python -m unittest test_module.py# 自动发现所有测试（匹配test*.py）
  python -m unittest discover
  

• 代码中运行：

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

3.3 参数化测试

原生不支持参数化，但可通过parameterized库实现：

from parameterized import parameterizedclass TestMath(unittest.TestCase):@parameterized.expand([(2, 3, 5),(-1, 5, 4),])def test_add(self, a, b, expected):self.assertEqual(a + b, expected)

3.4 Mock对象（依赖隔离）

使用unittest.mock模拟外部依赖：

from unittest.mock import patchclass TestAPI(unittest.TestCase):@patch("requests.get")def test_fetch_data(self, mock_get):mock_get.return_value.status_code = 200response = fetch_data()  # 你的业务函数self.assertEqual(response.status_code, 200)

3.5 跳过测试

class TestExample(unittest.TestCase):@unittest.skip("功能未实现")def test_unfinished(self):pass@unittest.expectedFailuredef test_buggy_code(self):self.assertEqual(1, 2)  # 预期失败

---

4. 常用插件与工具

工具/插件	用途
HTMLTestRunner	生成HTML格式的测试报告（需单独安装）。
coverage.py	统计代码测试覆盖率，生成覆盖率报告。
parameterized	支持参数化测试，简化多场景用例编写。
pytest	第三方测试框架（非官方），兼容unittest且功能更强大。

---

5. 面试常见问题

5.1 理论问题

1. unittest和pytest有什么区别？
   • unittest是Python标准库，基于类；pytest是第三方库，更简洁，支持参数化和Fixture依赖注入。
2. 如何验证某个函数抛出了特定异常？
   • 使用self.assertRaises(ErrorType, func, args)。
3. setUp()和tearDown()的作用是什么？
   • setUp()在每个测试方法前执行，用于初始化；tearDown()在每个测试方法后执行，用于清理资源。
4. 如何模拟一个HTTP请求？
   • 使用unittest.mock.patch装饰器模拟requests库的行为。

5.2 实战编码

• 编写一个测试类：验证字符串反转函数。
• 参数化测试：测试加法函数的多组输入。
• Mock场景：模拟数据库查询返回固定结果。

---

6. 最佳实践

6.1 测试设计原则

• 独立性：每个测试不依赖其他测试的结果。
• 原子性：一个测试只验证一个逻辑点。
• 可读性：测试方法名清晰（如test_add_negative_numbers）。

6.2 高效技巧

• 使用Fixture：通过setUpClass()初始化昂贵资源（如数据库连接）。
• 覆盖率检查：结合coverage.py确保覆盖核心逻辑。
• 持续集成（CI）：将测试集成到GitHub Actions、Jenkins等工具中。

6.3 避免常见错误

• 忘记test_前缀：导致测试方法不被识别。
• 依赖全局状态：如修改全局变量影响其他测试。
• 过度Mock：Mock应仅用于外部依赖，而非业务核心逻辑。

---

7. 示例项目结构

my_project/
├── src/                  # 业务代码
│   ├── math_utils.py     # 数学工具函数
│   └── api_client.py     # API客户端
└── tests/                # 测试代码├── test_math.py      # 数学工具测试├── test_api.py       # API客户端测试└── __init__.py       # 标记为Python包

---

若有错误与不足请指出，关注DPT一起进步吧！！！