Каковы различия между фреймворками Pytest и unittest в Python?

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.