Каковы различия между фреймворками Pytest и Unittest в Python?

Ответ

unittest — это встроенный в Python фреймворк для модульного тестирования, являющийся частью стандартной библиотеки. pytest — популярный сторонний фреймворк, предлагающий более современный и гибкий подход к написанию тестов. Оба используются для написания и запуска тестов, но имеют существенные различия в синтаксисе, функциональности и экосистеме.

1. Синтаксис написания тестов

unittest: Требует создания классов, наследующихся от unittest.TestCase, и использования специальных методов assert* (например, assertEqual(), assertTrue()). Это может приводить к более многословному коду.
```
import unittest

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

    def test_subtraction(self):
        self.assertTrue(5 - 3 == 2)
```
pytest: Позволяет писать тесты как обычные функции или методы, используя стандартный оператор assert Python. Это делает тесты более читаемыми, лаконичными и интуитивно понятными, так как не требует изучения специфических методов.
```
# test_math.py
def test_addition():
    assert 1 + 1 == 2

def test_subtraction():
    assert 5 - 3 == 2
```

2. Фикстуры (Fixtures)

unittest: Использует методы setUp() и tearDown() (или setUpClass/tearDownClass) для подготовки и очистки тестового окружения. Они привязаны к жизненному циклу класса или метода и могут быть менее гибкими для переиспользования.

import unittest

class TestDatabase(unittest.TestCase):
    def setUp(self):
        # Подключение к БД перед каждым тестом
        self.db_conn = connect_to_db()

    def tearDown(self):
        # Закрытие соединения после каждого теста
        self.db_conn.close()

    def test_query(self):
        result = self.db_conn.execute("SELECT 1")
        self.assertEqual(result, 1)

pytest: Предлагает более гибкую и мощную систему фикстур с помощью декоратора @pytest.fixture. Фикстуры могут быть функциями, возвращающими данные, и внедряться в тесты по имени. Это позволяет легко переиспользовать логику подготовки/очистки, управлять их областью видимости (функция, модуль, сессия) и создавать сложные зависимости.
```
import pytest

@pytest.fixture
def db_connection():
    # Подготовка ресурса (например, подключение к БД)
    conn = connect_to_db()
    yield conn # Тесты, использующие эту фикстуру, выполняются здесь
    # Очистка ресурса после выполнения тестов
    conn.close()

def test_query(db_connection):
    result = db_connection.execute("SELECT 1")
    assert result == 1
```

3. Параметризация тестов

unittest: Параметризация сложнее, часто требует использования subTest (для Python 3.4+) или внешних библиотек, что может усложнить код.
pytest: Встроенная и мощная поддержка параметризации с помощью декоратора @pytest.mark.parametrize, что позволяет легко запускать один и тот же тест с разными наборами входных данных, значительно сокращая дублирование кода.
```
import pytest

@pytest.mark.parametrize("a, b, expected", [
    (1, 1, 2),
    (2, 3, 5),
    (0, 0, 0),
])
def test_addition(a, b, expected):
    assert a + b == expected
```

4. Отчеты и плагины

unittest: Генерирует базовые отчеты. Расширение функциональности часто требует написания кастомных тестовых раннеров.
pytest: Генерирует более информативные и читаемые отчеты по умолчанию, включая подробную информацию о сбоях. Имеет богатую экосистему плагинов (например, pytest-cov для покрытия кода, pytest-xdist для параллельного выполнения, pytest-mock для моков), что значительно расширяет его возможности и гибкость.

Вывод

pytest часто предпочтительнее для новых проектов благодаря своей простоте, гибкости, мощной системе фикстур и обширной экосистеме плагинов, что способствует написанию более чистого и эффективного тестового кода. unittest остается надежным выбором для базового модульного тестирования, особенно в проектах, где он уже используется или когда требуется строгая совместимость со стандартной библиотекой.