Тестирование на pytest

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Разработчику

---

Тестирование на pytest

pytest - автотесты в Python-проекте

Вы изменили функцию "нормализации заголовка" — и через неделю форма на сайте перестала сохранять данные. Вручную проверять десятки сценариев после каждого коммита утомительно.

Автотест — скрипт на Python, который:

1. вызывает ваш код или HTTP API;
2. сравнивает результат с ожиданием;
3. печатает зелёный (всё ок) или красный (что-то сломалось).

Запуск одной командой pytest занимает секунды.

В Python есть встроенный unittest (классы TestCase). На практике чаще берут pytest — меньше шаблонного кода, удобные фикстуры, понятный вывод при падении.

Где применять	Пример в энциклопедии
Чистые функции	normalize_title(), add_task()
HTTP API	FastAPI 3432, Flask 3411
Django / DRF	pytest-django, APIClient

---

Словарь

Термин	Простыми словами
Тест	Функция test_*, которая что-то проверяет
assert	"Утверждение": если ложь — тест провален
Фикстура (fixture)	Подготовка перед тестом (БД, клиент API)
parametrize	Один тест — много наборов входных данных
TestClient	"Виртуальный браузер" к FastAPI без сети
coverage	Какой % кода хотя бы раз выполнился в тестах

---

Что получится

Папка tests/ с идеями:

• простой assert для функции;
• таблица примеров через parametrize;
• запросы к API через TestClient.

---

Установка и запуск

pip install pytest

Разбор:

• Команда устанавливает pytest в активное окружение проекта.
• После установки становится доступна консольная команда pytest.
• В учебных и рабочих проектах это минимальная база для автопроверок перед коммитом.

Структура проекта:

myapp/
  main.py
  logic.py
tests/
  test_logic.py
  test_api.py

Pytest сам находит файлы test_*.py и функции test_* внутри них.

pytest                    # все тесты
pytest -q                 # краткий вывод
pytest -v                 # имя каждого теста
pytest tests/test_logic.py::test_add_positive   # один тест

Разбор:

• pytest запускает все найденные тесты.
• -q сокращает вывод, -v показывает подробные имена кейсов.
• Формат path::test_name позволяет точечно запускать один тест.
• Точечный запуск ускоряет отладку, когда нужно проверить конкретный сценарий.

Запускайте из корня проекта, где видны и logic.py, и tests/. Иначе from logic import ... может дать ModuleNotFoundError.

---

Первый тест — чистая функция

Код приложения logic.py:

def normalize_title(title: str) -> str:
    return title.strip()

Тест tests/test_logic.py:

from logic import normalize_title


def test_normalize_strips_spaces():
    assert normalize_title("  hello  ") == "hello"


def test_normalize_empty_becomes_empty():
    assert normalize_title("   ") == ""

Разбор assert:

assert normalize_title("  hello  ") == "hello"

Читается: "я утверждаю, что выражение слева равно выражению справа". Если нет — pytest покажет оба значения:

AssertionError: assert '  hello' == 'hello'

В unittest писали бы self.assertEqual(a, b) внутри класса. В pytest достаточно обычного assert.

---

parametrize — одна функция, много кейсов

Вместо копирования трёх функций — таблица входов и ожиданий:

Код ITЗагрузка примера кода…

Элемент	Смысл
@pytest.mark.parametrize	Декоратор pytest
"raw, expected"	Имена аргументов теста
список кортежей	Три прогона = три строки в отчёте
raw, expected	Подставляются в функцию автоматически

Добавить граничный случай = одна строка в списке, а не новый файл.

---

Фикстуры — общая подготовка

Если десяти тестам нужен один и тот же "список заметок", копировать создание списка неудобно. Выносите в fixture:

import pytest


@pytest.fixture
def sample_notes():
    return [{"id": 1, "text": "learn pytest"}]


def test_list_has_one_item(sample_notes):
    assert len(sample_notes) == 1
    assert sample_notes[0]["text"] == "learn pytest"

Разбор:

• @pytest.fixture объявляет функцию-подготовку тестовых данных.
• sample_notes автоматически подставляется в аргументы теста по имени.
• Проверки assert ... фиксируют ожидаемую структуру и содержимое данных.
• Такой подход убирает дублирование setup-кода между тестами.
• Фикстуры помогают держать тесты короче и понятнее при росте проекта.

Как это работает:

1. Pytest видит аргумент sample_notes в тесте.
2. Ищет фикстуру с таким именем.
3. Вызывает sample_notes() перед тестом.
4. Передаёт результат в тест.

---

Фикстура с yield — и teardown

@pytest.fixture
def temp_file(tmp_path):
    p = tmp_path / "data.txt"
    p.write_text("hello", encoding="utf-8")
    yield p
    # после теста файл в tmp_path удалится автоматически

Разбор:

• tmp_path создаёт временную папку, уникальную для теста.
• Код до yield выполняет setup (подготовку файла).
• Код после yield — teardown, где выполняют очистку ресурсов.
• Это снижает риск "грязного состояния" между тестами и делает прогон стабильнее.

Код до yield — setup, после — cleanup (закрыть соединение, откатить транзакцию).

---

conftest.py

Файл tests/conftest.py хранит фикстуры, общие для всей папки tests/ (клиент API, подключение к тестовой БД). Импортировать в каждом файле их не нужно — pytest подхватывает сам.

---

FastAPI — TestClient

Тестируем API без запуска uvicorn и без реального TCP — быстрее и стабильнее.

Код ITЗагрузка примера кода…

Разбор:

• TestClient(app) запускает FastAPI-приложение в памяти без отдельного сервера.
• client.get(...) и client.post(...) имитируют реальные HTTP-вызовы.
• json={...} сериализует тело запроса и ставит нужный Content-Type.
• Проверка 422 подтверждает, что валидация входных данных работает корректно.
• Такой стиль тестов быстрый и хорошо подходит для CI-пайплайнов.

Выражение	Смысл
client.get("/health")	Симулировать GET
r.status_code	HTTP-код: 200, 201, 404, 422
r.json()	Распарсенное тело JSON
json={"text": "..."}	Тело POST + заголовок Content-Type

TestClient поднимает ASGI-приложение в памяти того же процесса, что и тесты.

---

JWT в тестах

Код ITЗагрузка примера кода…

Сначала получаем токен, потом передаём заголовок — как настоящий клиент после логина.

---

Flask — тестовый клиент

Код ITЗагрузка примера кода…

TESTING = True отключает некоторые "боевые" эффекты (например, строгие cookies). Паттерн тот же: фикстура client, запросы get/post.

---

Что тестировать в первую очередь

1. Бизнес-логика без HTTP — быстрые тесты, мало зависимостей.
2. HTTP-контракт — коды 200, 400, 401, 422 и форма JSON.
3. Coverage (pytest --cov=myapp) — ориентир, а не цель 100 % на старте. Сначала критичные пути — оплата, регистрация, сохранение данных.

---

Частые ошибки

Симптом	Причина	Решение
ModuleNotFoundError	Запуск не из корня	cd в корень или pip install -e .
Тесты видят "старые" данные	Общий список в модуле мутируется	Новая фикстура на каждый тест
401 в API-тестах	Нет заголовка Authorization	Фикстура auth_headers
Падает только в CI	Читает production .env	monkeypatch.setenv в тесте

monkeypatch (встроенная фикстура pytest) подменяет переменные окружения на время теста.

---

Что попробовать

pip install pytest-cov
pytest --cov=myapp

Разбор:

• pytest-cov подключает сбор метрики покрытия кода.
• pytest --cov=myapp показывает, какая доля модулей myapp реально исполняется тестами.
• Метрика помогает находить критичные участки без автотестов.
• Покрытие стоит использовать как ориентир качества, а не как единственную цель.

2. Встроенная фикстура tmp_path — файлы во временной папке.
3. pytest.raises(ValueError) — ожидаемое исключение:

import pytest

def test_divide_by_zero():
    with pytest.raises(ZeroDivisionError):
        1 / 0

---

Связанные материалы

• FastAPI — первая программа
• Flask — первая программа
• FastAPI и база данных
• Чек-лист Python (блок тестирования)
• Рекомендации по разработке

---

Как строить тесты в реальном проекте

Когда проект растёт, тесты удобно раскладывать по уровням. Это снижает хаос и делает отчёт pytest читаемым даже через полгода.

Уровень	Что проверяет	Инструменты
Unit	Отдельную функцию без сети и БД	pytest, parametrize, monkeypatch
Integration	Связку модулей и БД	pytest, тестовая БД, фикстуры
API	HTTP-контракт сервиса	TestClient, статус-коды, JSON-схемы
Smoke	Критические сценарии после деплоя	небольшой набор быстрых тестов

Практический подход:

1. Для каждой новой функции добавляйте хотя бы один unit-тест.
2. Для каждого нового эндпоинта добавляйте успешный и неуспешный API-кейс.
3. Для багов из продакшена сначала пишите тест, который воспроизводит ошибку, и только потом фикс.

---

Мини-чек-лист качества тестов

Перед коммитом прогоните короткую проверку:

• тесты запускаются командой pytest -q без ручной подготовки;
• названия тестов читаются как сценарии (test_create_note_without_text_returns_422);
• в фикстурах нет скрытого глобального состояния;
• у ошибок проверяется код и структура detail;
• критические пути покрыты минимум одним позитивным и одним негативным сценарием.

---

Практикум по тестовым библиотекам

Responses — мок внешнего HTTP для requests

import requests
import responses

@responses.activate
def test_external_profile():
    responses.get(
        "https://api.example.com/profile/1",
        json={"id": 1, "name": "Alice"},
        status=200,
    )
    r = requests.get("https://api.example.com/profile/1", timeout=2)
    assert r.json()["name"] == "Alice"

Разбор:

• @responses.activate перехватывает HTTP-вызовы requests внутри теста.
• responses.get(...) задаёт мок-ответ для конкретного URL.
• Реальный requests.get(...) не уходит в сеть, а получает подготовленный фиктивный ответ.
• assert ... проверяет бизнес-результат, а не транспорт.
• Изоляция от сети делает тесты предсказуемыми и не флейковыми.

Freezegun — фиксированное время

from datetime import datetime
from freezegun import freeze_time

@freeze_time("2026-01-15 10:00:00")
def test_invoice_date():
    assert datetime.now().strftime("%Y-%m-%d") == "2026-01-15"

Разбор:

• @freeze_time(...) замораживает "текущее время" в рамках теста.
• datetime.now() возвращает предсказуемое значение, независимое от реальных часов.
• Тест на даты перестаёт быть flaky и стабильно проходит в CI.
• Это особенно полезно для логики дедлайнов, TTL и окон активности.

Faker и factory_boy для фабрик

from faker import Faker

import factory

fake = Faker("ru_RU")

class UserFactory(factory.DictFactory):
    name = factory.LazyFunction(fake.name)
    email = factory.LazyFunction(fake.email)

Разбор:

• Faker создаёт реалистичные тестовые значения.
• factory.DictFactory оформляет единый шаблон тестовой сущности.
• LazyFunction генерирует новые значения при каждом вызове фабрики.
• Такой подход уменьшает ручное копирование фикстур и ускоряет написание тестов.
• Фабрики помогают централизованно менять структуру тестовых данных в одном месте.

pytest-asyncio для async-кода

import pytest

@pytest.mark.asyncio
async def test_async_sum():
    async def add(a: int, b: int) -> int:
        return a + b
    assert await add(2, 3) == 5

Разбор:

• @pytest.mark.asyncio запускает тест в asyncio event loop.
• async def ... позволяет проверять асинхронный код в натуральном формате.
• await add(...) дожидается результата корутины.
• Такой шаблон используют для тестирования async-сервисов, репозиториев и клиентов API.
• Без этого маркера корутины не выполнятся корректно в обычном синхронном тест-раннере.

Основа по протоколу

Базовый разбор HTTP и HTTPS находится в отдельной статье — HTTP как основа веб-интеграций.