Python自动化测试入门：环境搭建与第一个脚本编写

一、为什么测试环境必须使用虚拟环境

很多初学者在开始自动化测试时，习惯直接使用系统的全局 Python 环境通过 pip install pytest 安装依赖。这种做法在临时实验时看似方便，但在实际项目中会迅速引发严重的依赖与维护问题。

为了理解为什么要先搭建独立环境，我们需要对比全局环境与虚拟环境在自动化测试场景下的关键差异：

结论非常明确：在开展任何测试工作前，先为项目初始化专属虚拟环境是不可省略的基础工程规范。

二、四步完成自动化测试环境搭建

在 Python 3 中，标准库自带了轻量级虚拟环境工具 venv，我们无需安装额外的管理软件即可快速完成配置。

步骤 1：创建测试工程专用目录

打开终端（Windows 下可使用 PowerShell 或 CMD，macOS / Linux 使用 Terminal），在合适位置创建专用文件夹并进入：

mkdir py_test_demo
cd py_test_demo

步骤 2：初始化虚拟环境

执行以下命令，在当前工程目录下生成名为 .venv 的独立环境目录：

python3 -m venv .venv

（注：Windows 环境下若 python3 命令未关联，请直接执行 python -m venv .venv。）

步骤 3：激活虚拟环境

不同操作系统的激活脚本路径略有差异：

• macOS / Linux 平台：

  source .venv/bin/activate

• Windows 平台（PowerShell）：

  .venv\Scripts\Activate.ps1

• Windows 平台（CMD）：

  .venv\Scripts\activate.bat

激活成功后，你的终端提示符最前端会出现 (.venv) 标识，表示后续所有的 Python 与 Pip 操作均被限制在该独立环境中。

步骤 4：安装并验证 pytest 框架

在激活状态下，执行以下命令安装现代化测试框架 pytest：

pip install pytest

安装完成后，运行版本检查命令确认环境就绪：

pytest --version

当看到终端正确返回 pytest 的具体版本号时，说明测试运行时环境已完全就绪。

三、测试框架的理解：unittest 与 pytest 的核心差异

在 Python 自动化测试领域，初学者常会接触到两个名字：标准库内置的 unittest 与第三方主流的 pytest。了解它们的本质区别，能帮助我们建立清晰的测试思维。

在测试同一个折扣计算函数时，两者的代码组织方式存在根本差异：

• unittest（基于面向对象模型）： 源自 Java 的 JUnit 风格。编写测试用例必须声明一个类并继承 unittest.TestCase，断言时必须调用特定的辅助方法（如 self.assertEqual(a, b)、self.assertTrue(x)），并且需要记忆数十种专有断言 API。
• pytest（基于函数式与原生语法）： 无需继承任何基类，一个普通的以 test_ 开头的 Python 函数就是一个测试用例。断言直接使用 Python 原生的 assert a == b 关键字。在用例执行失败时，pytest 会在底层智能解析抽象语法树（AST），自动输出极为详细的操作数对比与上下文回溯。

对于初学者和现代 Python 工程，pytest 凭借极简的语法、自动测试发现以及庞大的插件生态，已成为事实上的业界标准。因此，本文后续脚本将完全基于 pytest 编写。

四、编写第一个自动化测试脚本

编写自动化测试不是凭空写测试语句，它必须依托明确的“被测业务逻辑”。在当前工程目录 py_test_demo 中，我们先编写一段实际的业务代码，再为其建立测试用例。

1. 编写待测业务代码：coupon.py

在工程根目录下新建 coupon.py，实现一个简单的电商满减折扣计算器：

# coupon.py

def calculate_discount(total_amount: float, is_vip: bool) -> float:
    if total_amount <= 0:
        raise ValueError("订单总额必须大于0")
    
    pay_amount = total_amount * 0.9 if is_vip else total_amount
    
    if pay_amount >= 200:
        pay_amount -= 20
        
    return round(pay_amount, 2)

2. 编写测试脚本：test_coupon.py

测试脚本必须严格遵守 pytest 的文件命名发现规则：文件名必须以 test_ 开头或以 _test.py 结尾，测试函数必须以 test_ 开头。否则 pytest 在执行全局扫描时会忽略该文件。

新建 test_coupon.py 文件。在编写具体测试用例时，行业内广泛采用经典的 3A 原则（Arrange-Act-Assert）：

• Arrange（准备阶段）： 设定测试所需的输入参数或前置状态。
• Act（执行阶段）： 调用被测业务函数，获取实际运算输出。
• Assert（断言阶段）： 使用 assert 关键字核验“实际输出”是否绝对等于“预期结果”。

# test_coupon.py
import pytest
from coupon import calculate_discount

def test_normal_user_under_threshold():
    # 场景 1：普通用户，未达到满减门槛
    # Arrange
    amount = 100.0
    is_vip = False
    
    # Act
    result = calculate_discount(amount, is_vip)
    
    # Assert
    assert result == 100.0

def test_vip_user_with_discount_and_subtraction():
    # 场景 2：VIP 用户，折后达到 200 元触发立减
    # Arrange
    amount = 300.0
    is_vip = True
    
    # Act
    # 300 * 0.9 = 270，满 200 立减 20，应得 250
    result = calculate_discount(amount, is_vip)
    
    # Assert
    assert result == 250.0

def test_invalid_amount_raises_error():
    # 场景 3：异常测试，订单金额为 0 时必须抛出 ValueError
    with pytest.raises(ValueError) as exc_info:
        calculate_discount(0, is_vip=False)
    
    # 验证抛出的异常消息内容
    assert "订单总额必须大于0" in str(exc_info.value)

五、运行测试与结果诊断分析

编写好测试脚本后，在工程根目录下执行 pytest 命令：

pytest -v

（注：参数 -v 表示 verbose，能够将测试发现的每个具体函数名称及其运行状态逐一打印出来。）

如何诊断测试失败

自动化测试最有价值的时刻并不是看到绿色的 PASSED，而是在代码发生变更引入 bug 时精准报错。我们做一次故意的人为制造错误实验：

将 test_coupon.py 中第 2 个测试用例的断言由 assert result == 250.0 错误修改为 assert result == 260.0，再次执行 pytest：

观察失败输出中的 E assert 250.0 == 260.0：pytest 会清晰指出具体发生断言失败的代码行号（test_coupon.py:19）、左侧的实际计算结果（250.0）与右侧的预期值（260.0）。这让开发者无需手动打断点或添加 print 语句，一眼即可定位是业务逻辑出错还是测试用例的预期值定义有误。

六、自动化测试入门落地核查清单

完成首个测试脚本的编写与执行后，你已经掌握了 Python 自动化测试的核心链路。在后续为更多业务模块补充测试时，可以对照以下全流程核对规范：

掌握了环境隔离与基于 pytest 的 3A 测试编写方法后，你可以继续探索更深阶的参数化测试（@pytest.mark.parametrize）与前置夹具管理（fixture），从而在面对复杂业务时也能编写出稳定、优雅且易维护的高质量测试套件。