这篇文章主要讲unittest与pytest的区别，pytest相对unittest而言，代码简洁，使用便捷灵活，并且插件很丰富。

Unittest vs Pytest

主要从用例编写规则、用例的前置和后置、参数化、断言、用例执行、失败重运行和报告这几个方面比较unittest和pytest的区别:

用例编写规则

用例前置与后置条件

断言

测试报告

失败重跑机制

参数化

用例分类执行

如果不好看，可以看下面表格：

总体来说，unittest用例格式复杂，兼容性无，插件少，二次开发方便。pytest更加方便快捷，用例格式简单，可以执行unittest风格的测试用例，无须修改unittest用例的任何代码，有较好的兼容性。pytest插件丰富，比如flask插件，可用于用例出错重跑，还有xdist插件，可用于设备并行执行，效率更高。

实例演示

讲了七大区别，总要演示一下具体实例，用事实说话。

前后置区别

这里抽用例前置与后置的区别来讲，先看unittest的前后置使用：

import unittest
 
 
 
class TestFixtures01(unittest.TestCase):
    # 所有用例执行前执行
    def setUp(self) -> None:
        print("setUp开始")
    def tearDown(self) -> None:
        print("tearDown结束")
 
    # 每条用例执行前执行
    @classmethod
    def setUpClass(cls) -> None:
        print("setUpClass开始")
 
    @classmethod
    def tearDownClass(cls) -> None:
        print("tearDownClass结束")
 
    # 测试用例
    def test_001(self):
        print("测试用例001")
 
class TestFixtures02(unittest.TestCase):
    def test_002(self):
        print("测试类2")
 
# 每个模块执行前执行
def setUpModule():
    """
    在所有测试类在调用之前会被执行一次,函数名是固定写法,会被unittest框架自动识别
    """
    print('集成测试 >>>>>>>>>>>>>>开始')
def tearDownModule():
    print("集成测试 >>>>>>>>>>>>>>结束")
 
 
 
if __name__ == '__main__':
    unittest.main()

运行结果：

从结果上得知， 三个方法的逻辑优先级： setUp()&tearDown() < setUpClass()&tearDownClass() < setUpModule()&tearDownModule()

接下来看pytest的前后置：

1、我们都知道在自动化测试中都会用到前后置，pytest 相比 unittest 无论是前后置还是插件等都灵活了许多，还能自己用 fixture 来定义。

首先了解一下，用例运行前后置级别如下：

1.模块级：全局的，整个模块开只运行一次，优先于测试用例。

2.类级别：定义在类里面，只针对此类生效。类似unittest的cls装饰器

3.函数级：只对函数生效，类下面的函数不生效。

4.方法级：定义在类里面，每个用例都执行一次

def setup_module():
    print('\n整个模块 前 只运行一次')
 
def teardown_module():
    print('\n整个模块 后 只运行一次')
 
def setup_function():
    print('\n不在类中的函数，每个用例 前 只运行一次')
 
def teardown_function():
    print('\n不在类中的函数，每个用例 后 只运行一次')
 
def test_ab():
    b = 2
    assert b < 3
 
def test_aba():
    b = 2
    assert b < 3
 
 
class Test_api():
 
    def setup_class(self):
        print('\n此类用例 前 只执行一次')
    def teardown_class(self):
        print('\n此类用例 后 只执行一次')
 
    def setup_method(self):
        print('\n此类每个用例 前 只执行一次')
 
    def teardown_method(self):
        print('\n此类每个用例 后 执行一次')
 
    def test_aa(self):
        a = 1
        print('\n我是用例：a')       # pytest -s 显示打印内容
        assert a > 0
 
    def test_b(self):
        b = 2
        assert b < 3

运行结果：

2、这是原始用法，下面看使用Fixture，Fixture 其实就是自定义 pytest 执行用例前置和后置操作，首先创建 conftest.py 文件 （规定此命名），导入 pytest 模块，运用 pytest.fixture 装饰器，默认级别为：函数级：

其它用例文件调用即可，如下定义一个函数，继承 conftest.py 文件里的 login 函数即可调用：

# conftest.py配置需要注意以下点：
# conftest.py配置脚本名称是固定的，不能改名称
# conftest.py与运行的用例要在同一个pakage下，并且有__init__.py文件
# 不需要import导入 conftest.py，pytest用例会自动查找
 
import pytest
 
def test_one(login):
    print("登陆后，操作111")
 
# def test_two():
#   print("操作222")
#
# def test_three(login):
#   print("登陆后，操作333")

运行结果：

3、扩展用法，多个自定义函数和全局级别展示：（全局的比如用于登录获取到token其他用例模块就不需要再登录了）

import pytest
 
def test_one(login):
    print("登陆后，操作111")
 
def test_two(login,open_page):
    print("测试用例2")
 
def test_three(open_page):
    print("测试用例3")

运行结果：

细心的人应该可以知道，测试用例2并没有调用login函数，因为前置设置的是共享模式，类似全局函数。

参数化区别

参数化应用场景，一个场景的用例会用到多条数据来进行验证，比如登录功能会用到正确的用户名、密码登录，错误的用户名、正确的密码，正确的用户名、错误的密码等等来进行测试，这时就可以用到框架中的参数化，来便捷的完成测试。

参数化 就是数据驱动思想，即可以在一个测试用例中进行多组的数据测试，而且每一组数据都是分开的、独立的。

unittest参数化其实是：ddt，叫数据驱动。

pytest数据驱动，就是参数化，使用@pytest.mark.parametrize

1.先看unittest如何进行参数化：


test_data = [1,2,3]
 
@ddt.ddt
class Testddt(unittest.TestCase):
    @ddt.data(*test_data)
    def test_001(self,get_data):
        print(get_data)
if __name__ == '__main__':
    unittest.main()

运行结果：

2.pytest中参数化的用法

在测试用例的前面加上：
@pytest.mark.parametrize(“参数名”,列表数据)
参数名：用来接收每一项数据，并作为测试用例的参数。
列表数据：一组测试数据。

@pytest.mark.parametrize(“参数1,参数2”,[(数据1，数据2),(数据1，数据2)])
示例:
@pytest.mark.parametrize(“a,b,c”,[(1,3,4),(10,35,45),(22.22,22.22,44.44)])
def test_add(a,b,c):
res = a + b
assert res == c

实例：

@pytest.mark.parametrize('data',[1,2,3])
class Testddt(object):
 
    def test_001(self,data):
        print(data)
if __name__ == '__main__':
    pytest.main(['-sv'])
　

运行结果：

总结

以上就是unittest与pytest测试框架的区别，七大主要区别，这里已讲了两个区别的实例，其他五个有时间再补充，如对python自动化测试感兴趣的朋友，可以加入文末学习交流群，讨论交流一下心得。

---

资源分享

下面这份资源，对于想学习【软件测试】的朋友来说应该是最全面最完整的备战仓库，希望也能帮助到你！