代码示例对比
1. 基础测试用例
# unittest 风格
import unittest

class TestMathOperations(unittest.TestCase):
def test_addition(self):
self.assertEqual(1 + 1, 2)

def test_division(self):
with self.assertRaises(ZeroDivisionError):
1 / 0

if __name__ == '__main__':
unittest.main()
# pytest 风格
def test_addition():
assert 1 + 1 == 2

def test_division():
with pytest.raises(ZeroDivisionError):
1 / 0
2. 夹具(Fixture)对比
# unittest 夹具
import unittest

class TestDatabase(unittest.TestCase):
def setUp(self):
"""每个测试前执行"""
self.db = Database()
self.db.connect()

def tearDown(self):
"""每个测试后执行"""
self.db.disconnect()

def test_query(self):
result = self.db.query("SELECT 1")
self.assertIsNotNone(result)
# pytest 夹具
import pytest

@pytest.fixture
def database():
"""创建数据库连接夹具"""
db = Database()
db.connect()
yield db # 测试执行阶段
db.disconnect()

@pytest.fixture
def sample_data(database):
"""夹具可依赖其他夹具"""
database.insert({"id": 1, "name": "test"})
return database

def test_query(sample_data):
"""通过参数注入夹具"""
result = sample_data.query("SELECT * FROM table")
assert len(result) > 0
3. 参数化测试对比
# unittest 参数化(需第三方库)
from parameterized import parameterized
import unittest

class TestMath(unittest.TestCase):
@parameterized.expand([
(1, 1, 2),
(2, 3, 5),
(5, 5, 10),
])
def test_add(self, a, b, expected):
self.assertEqual(a + b, expected)
# pytest 参数化(内置支持)
import pytest

@pytest.mark.parametrize("a,b,expected", [
(1, 1, 2),
(2, 3, 5),
(5, 5, 10),
])
def test_add(a, b, expected):
assert a + b == expected
高级特性对比
pytest 的独特优势
标记系统
@pytest.mark.slow
@pytest.mark.integration
def test_large_dataset():
# 可标记为慢测试、集成测试等
pass

# 运行指定标记的测试
# pytest -m "slow" # 只运行慢测试
# pytest -m "not slow" # 跳过慢测试
内置夹具作用域
@pytest.fixture(scope="session")
def database(): # 整个测试会话只执行一次
pass

@pytest.fixture(scope="module")
def setup_module(): # 每个模块执行一次
pass

@pytest.fixture(scope="class")
def setup_class(): # 每个类执行一次
pass
插件生态
# 常用插件
pytest-cov # 代码覆盖率
pytest-xdist # 并行测试
pytest-html # HTML报告
pytest-mock # Mocking支持
pytest-asyncio # 异步测试
pytest-bdd # 行为驱动开发
使用场景建议
选择 unittest 当：
需要避免第三方依赖
项目已大量使用unittest
需要与Django、Selenium等框架深度集成
团队熟悉xUnit风格
选择 pytest 当：
需要更简洁的语法
需要高级特性（参数化、夹具、标记）
需要并行测试或生成丰富报告
项目复杂度高，需要灵活的测试组织
新项目或重构测试代码
迁移指南
从 unittest 迁移到 pytest
无需完全重写：pytest可直接运行unittest测试
逐步迁移策略：
先用pytest运行现有unittest测试
新测试用例用pytest风格编写
逐步将夹具从setUp/tearDown转为@pytest.fixture
将断言改为原生assert语法
混合使用示例
# 混合使用示例
import unittest
import pytest

class TestLegacy(unittest.TestCase):
def test_old_style(self):
self.assertEqual(1, 1)

@pytest.fixture
def new_fixture():
return "pytest fixture"

def test_new_style(new_fixture):
assert new_fixture == "pytest fixture"
性能对比
测试场景

pytest

unittest

说明


小型测试套件

相当

相当

差异不明显


大型测试套件

更快

较慢

pytest的发现机制更高效


并行执行

支持良好

需第三方

pytest-xdist提供原生并行支持


测试选择

灵活

有限

pytest的标记系统更强大
最佳实践
pytest 最佳实践
# 1. 使用conftest.py共享夹具
# conftest.py
import pytest

@pytest.fixture
def shared_resource():
return "shared"

# 2. 使用pytest.ini配置
"""
[pytest]
testpaths = tests
markers =
slow: marks tests as slow
integration: integration tests
"""

# 3. 合理使用夹具作用域
@pytest.fixture(scope="session")
def expensive_setup():
# 耗时初始化，只执行一次
yield resource
unittest 最佳实践
# 1. 使用测试基类
class BaseTestCase(unittest.TestCase):
def setUp(self):
self.common_setup()

def tearDown(self):
self.common_cleanup()

# 2. 合理组织测试套件
def create_test_suite():
suite = unittest.TestSuite()
suite.addTest(TestClass1('test_method1'))
suite.addTest(TestClass2('test_method2'))
return suite
总结
unittest：
优势：Python标准库，无需额外依赖；与IDE集成好；成熟稳定
劣势：语法冗长；扩展性有限；功能相对基础
pytest：
优势：语法简洁；功能强大；插件生态丰富；社区活跃
劣势：需额外安装；学习曲线稍陡
推荐策略
新项目：优先选择pytest，特别是需要高级测试特性时
旧项目：如果已有完善的unittest测试，无需立即迁移
大型项目：考虑混合使用，新模块用pytest，旧模块保持unittest
企业环境：根据团队技能和现有基础设施选择
无论选择哪个框架，保持测试的一致性、可读性和可维护性才是最重要的。两个框架都能编写出高质量的测试代码，关键在于合理使用其特性，构建高效可靠的测试套件。