博客
关于我
8 个很棒的 pytest 插件 | Linux 中国
阅读量:291 次
发布时间:2019-03-03

本文共 1160 字,大约阅读时间需要 3 分钟。

Python 测试工具最好的一方面是其强大的生态系统。以下是8个值得推荐的 pytest 插件。

我们是 pytest 的忠实粉丝,并将其作为工作和开源项目的默认 Python 测试工具。在本月的 Python 专栏中,我们分享了为什么我们喜欢 pytest,以及一些让 pytest 测试工作更有趣的插件。

pytest 是一个轻量级的测试框架,能够轻松编写小型测试,也能扩展支持复杂功能测试。它允许你在名为 test_*.py 的文件中定义测试,并将其定义为以 test_ 开头的函数。pytest 将自动查找项目中所有测试,并在控制台中运行时执行它们。它还支持多种标志和参数,能够根据需要配置输出结果、指定运行测试范围以及输出信息。

pytest 最好的特点是其强大的插件生态系统。由于 pytest 非常流行,多年来开发了大量插件来扩展、定制和增强其功能。以下是我们最喜欢的8个插件。

  • pytest-sugar

    这个插件改变了 pytest 的默认输出,添加了进度条,并立即显示失败的测试。安装简单,直接运行 pytest 即可享受更漂亮的输出。

  • pytest-cov

    pytest-cov 在 pytest 中增加了代码覆盖率支持,显示已经测试过的代码行和未测试的部分。它还提供项目测试覆盖率统计。

  • pytest-picked

    这个插件允许你在提交代码但未提交的文件中运行测试。安装后运行 pytest --picked,只测试自上次提交后已修改的文件。

  • pytest-instafail

    这个插件修改了 pytest 的默认行为,使其立即显示失败和错误,而不是等到所有测试完成。

  • pytest-tldr

    这是一个全新的 pytest 插件,限制输出为你需要的内容。与 pytest-sugar 类似,安装后无需配置。它默认输出失败测试的回溯信息,忽略了颜色编码。添加 -v 标志可获得更详细输出。

  • pytest-xdist

    这个插件允许并行运行测试。例如,运行 pytest -n 2 将在两个 CPU 上执行测试。它还支持 --looponfail 标志,自动重新运行失败测试。

  • pytest-django

    这个插件为 Django 应用提供 pytest 支持。它简化了测试开发,省去了使用 unittest 和复制样板测试代码的麻烦,并且比标准 Django 测试套件运行更快。

  • django-test-plus

    虽然这个插件主要是为 unittest 开发的,但它现在也支持 pytest。它包含自己的 TestCase 类,使得你的测试代码更简洁,能够快速输出频繁的测试案例。

  • 我们提到的这些库并不是扩展 pytest 的唯一选择。Pytest 插件的生态系统广阔,值得你去探索。你最喜欢哪些插件?

    转载地址:http://snal.baihongyu.com/

    你可能感兴趣的文章
    NISP国家信息安全水平考试,收藏这一篇就够了
    查看>>
    NIS服务器的配置过程
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NiuShop开源商城系统 SQL注入漏洞复现
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>