开发的核心闭环是编码-测试-调试-优化，单纯实现功能只是基础，保证代码稳定、可复用、易排错才是工程化核心。Python拥有完整的测试调试体系：内置标准测试框架、第三方高效测试工具、日志持久化记录、交互式断点调试，覆盖单元测试、接口测试、异常排查、线上问题定位全场景。
本文全覆盖指定重难点：内置unittest框架、主流pytest框架、mock数据模拟、logging分级日志系统、pdb交互式调试工具。全程搭配可落地实战代码、工程规范、高频坑点、面试真题，一站式掌握Python工程化测试调试全套能力。
一、Python测试调试体系认知
1.1 核心工具分工
1、unittest：Python内置标准单元测试框架，无需安装，语法严谨，适配基础单元测试；
2、pytest：第三方主流测试框架，语法简洁、扩展性强，兼容unittest，企业项目首选；
3、mock：测试数据模拟工具，拦截外部依赖，解决接口、数据库、第三方服务依赖测试问题；
4、logging：分级日志记录工具，替代print，实现日志持久化、分级输出、线上问题追溯；
5、pdb：内置交互式断点调试工具，无需IDE，命令行精准排错，适配服务器调试场景。
1.2 工程核心价值
1、单元测试保障代码迭代不翻车，规避改代码出Bug；
2、Mock解耦外部依赖，实现本地独立测试；
3、日志永久记录运行状态，解决线上无断点无法排查问题；
4、pdb精准定位报错堆栈，快速修复代码异常。
二、unittest 内置单元测试框架
unittest是Python官方内置测试框架，基于面向对象设计，拥有固定测试用例格式、断言方法、前置后置钩子，兼容性最强，是所有Python测试的基础。
2.1 核心规则规范
1、测试类必须继承 unittest.TestCase；
2、测试方法必须以 test_ 开头，否则不被识别执行；
3、内置丰富断言方法，替代原生 == 判断，精准校验结果；
4、支持setUp/tearDown钩子，实现用例前置初始化、后置清理。
2.2 完整实战案例
import unittest
# 待测试业务函数
def add(a, b):
return a + b
def divide(a, b):
if b == 0:
raise ZeroDivisionError("除数不能为0")
return a / b
# 测试类
class TestCalc(unittest.TestCase):
# 每个用例执行前自动执行
def setUp(self):
print("===== 测试用例开始 =====")
# 测试加法
def test_add(self):
self.assertEqual(add(1, 2), 3)
self.assertEqual(add(-1, 1), 0)
# 测试除法正常逻辑
def test_divide_normal(self):
self.assertEqual(divide(10, 2), 5)
# 测试除法异常逻辑
def test_divide_error(self):
with self.assertRaises(ZeroDivisionError):
divide(5, 0)
# 每个用例执行后自动执行
def tearDown(self):
print("===== 测试用例结束 =====\n")
if __name__ == "__main__":
unittest.main()
2.3 常用核心断言
self.assertEqual(a, b) # 相等断言
self.assertNotEqual(a, b) # 不相等断言
self.assertTrue(condition)# 条件为真
self.assertFalse(condition)# 条件为假
self.assertIn(item, iter) # 包含判断
self.assertIsNone(obj) # 为空判断
self.assertRaises(异常, 函数, 参数) # 异常断言
2.4 全局前置后置钩子
setUpClass/tearDownClass 全局钩子，整个测试类执行前后只运行一次，适合数据库连接、文件初始化等全局操作。
@classmethod
def setUpClass(cls):
print("测试类全局前置：初始化数据库连接")
@classmethod
def tearDownClass(cls):
print("测试类全局后置：关闭数据库连接")
三、pytest 企业级主流测试框架
pytest是目前Python项目首选测试框架，兼容unittest用例，语法极简、无需强制写类、支持参数化、插件丰富、报告美观，大幅提升测试效率。
3.1 环境安装与执行命令
# 安装
# pip install pytest
# 常用执行命令
# pytest 文件名.py -v 详细输出
# pytest 文件名.py -k "关键词" 筛选用例
# pytest 文件名.py -s 展示打印日志
3.2 极简测试写法（无需类、无需继承）
pytest打破unittest繁琐规范，普通函数即可作为测试用例，代码极度简洁。
# test_calc.py
def add(a, b):
return a + b
# 测试函数：test_开头即可
def test_add():
assert add(1, 2) == 3
assert add(-2, 5) == 3
3.3 核心高阶功能：参数化测试
无需重复编写相似用例，一组代码批量测试多组参数，工程高频用法。
import pytest
def add(a, b):
return a + b
# 多组参数批量测试
@pytest.mark.parametrize("a,b,res", [(1,2,3), (0,0,0), (-1,1,0), (10,20,30)])
def test_add_param(a, b, res):
assert add(a, b) == res
3.4 pytest 夹具（替代setUp）
夹具（fixture）实现灵活的前置后置依赖注入，比unittest钩子更灵活、可复用、可传参。
import pytest
# 定义测试夹具
@pytest.fixture
def init_data():
print("测试前置：初始化测试数据")
data = {"name": "测试用户", "age": 20}
yield data # 返回数据给用例
print("测试后置：清理测试数据")
# 用例直接使用夹具
def test_user_data(init_data):
assert init_data["age"] == 20
3.5 pytest vs unittest 选型总结
1、简单脚本、轻量化测试：任选；
2、企业项目、批量测试、复杂场景：优先 pytest；
3、老旧兼容项目：保留unittest，pytest可直接兼容运行。
四、mock 测试依赖模拟（解耦测试核心）
单元测试核心原则：不依赖外部环境。第三方接口、数据库、Redis、支付服务等外部依赖不稳定、不可控，通过mock可以模拟返回数据、拦截真实请求、伪造异常，实现纯本地独立测试。
4.1 mock核心作用
1、模拟第三方接口返回，无需调用真实接口；
2、伪造异常场景，测试代码容错能力；
3、模拟数据库数据，脱离数据库环境测试；
4、统计函数调用次数、传参是否正确。
4.2 基础mock实战
from unittest.mock import Mock
# 1. 创建mock对象
mock_func = Mock()
# 2. 自定义返回值
mock_func.return_value = {"code": 200, "data": "模拟接口数据"}
# 3. 调用mock函数
res = mock_func()
print(res)
# 4. 断言函数被调用
mock_func.assert_called()
# 断言调用次数
print(mock_func.call_count)
4.3 真实场景：mock第三方接口
from unittest.mock import patch
import requests
# 待测试函数（依赖外部接口）
def get_weather():
# 真实外部接口
url = "https://xxx.weather.com/api"
resp = requests.get(url)
return resp.json()["temp"]
# mock拦截requests.get，不发起真实请求
@patch("requests.get")
def test_get_weather(mock_get):
# 模拟返回数据
mock_get.return_value.json.return_value = {"temp": 25}
temp = get_weather()
assert temp == 25
mock_get.assert_called_once()
4.4 伪造异常场景测试
from unittest.mock import patch
import requests
@patch("requests.get")
def test_request_error(mock_get):
# 模拟接口请求异常
mock_get.side_effect = Exception("网络请求失败")
try:
requests.get("https://www.baidu.com")
except Exception as e:
assert "网络请求失败" in str(e)
五、logging 分级日志系统（线上排错必备）
print仅适合临时调试，线上项目禁止使用print。logging是Python标准日志库，支持分级输出、持久化写入、时间戳、行号、日志分类，是线上问题追溯的唯一可靠方式。
5.1 日志五大级别（优先级递增）
1、DEBUG：调试信息，开发阶段使用；
2、INFO：正常运行信息，记录业务流程；
3、WARNING：警告信息，不影响程序运行；
4、ERROR：错误信息，单个功能异常；
5、CRITICAL：严重错误，程序崩溃退出。
5.2 工程标准日志配置（控制台+文件双输出）
import logging
# 全局日志配置
logging.basicConfig(
level=logging.INFO, # 日志级别
format="%(asctime)s - %(name)s - %(levelname)s - %(message)s", # 日志格式
datefmt="%Y-%m-%d %H:%M:%S",
filename="app.log", # 日志文件持久化
filemode="a" # 追加写入
)
# 获取日志对象
logger = logging.getLogger(__name__)
# 分级输出日志
logger.debug("这是调试日志，默认不输出")
logger.info("程序正常启动")
logger.warning("参数存在默认值，请注意校验")
logger.error("数据解析失败")
logger.critical("程序核心异常，即将退出")
5.3 日志核心优势vs print
1、可分级控制，线上关闭DEBUG日志，减少日志冗余；
2、自动记录时间、代码行号、报错级别，精准定位问题；
3、支持持久化文件存储，重启程序不丢失日志；
4、支持日志切割、分级存储、过滤输出，适配大型项目。
六、pdb 交互式命令行调试（无IDE排错神器）
pdb是Python内置命令行断点调试工具，无需Pycharm、VSCode等IDE，可在服务器、纯命令行环境下打断点、查看变量、修改数值、逐行执行，是线上服务器排错的核心技能。
6.1 快速插入断点
def calc(a, b):
import pdb;pdb.set_trace() # 插入断点
res = a ** 2 + b ** 2
return res
print(calc(3, 4))
6.2 pdb核心常用指令
1、p 变量名：打印查看变量值；
2、n：下一步（跳过函数内部）；
3、s：单步进入（进入函数内部）；
4、c：继续执行，跳出当前断点；
5、q：退出调试；
6、l：查看当前代码上下文。
6.3 新版breakpoint（推荐替代pdb）
Python3.7+ 内置 breakpoint() 函数，直接替代import pdb，语法更简洁。
def calc(a, b):
breakpoint() # 极简断点
res = a ** 2 + b ** 2
return res
七、工程高频坑点汇总
1、unittest用例不执行：方法未以test_开头、未继承TestCase；
2、mock失效：patch装饰器路径错误，必须mock「被调用处」的模块；
3、日志无输出：日志级别设置过高，低级别日志被过滤；
4、print滥用：线上项目无日志持久化，报错无法追溯历史运行状态；
5、pdb断点残留：上线代码忘记删除断点，导致程序阻塞等待输入。
八、高频面试真题汇总
题目1：unittest和pytest的区别？项目如何选型？
答案：unittest是内置框架，语法严谨、面向对象，规范繁琐；pytest是主流第三方框架，语法简洁、兼容unittest、支持参数化和夹具，扩展性更强。企业项目优先pytest，简单轻量化测试、兼容老旧代码可使用unittest。
题目2：mock的作用是什么？为什么单元测试需要mock？
答案：mock用于模拟外部依赖，拦截真实接口、数据库、第三方服务请求。单元测试要求独立无依赖，外部环境不稳定、不可控，通过mock可以伪造数据和异常，实现本地独立测试，保证用例稳定可复现。
题目3：logging相比print的优势？
答案：print仅临时打印，无级别、无时间、无法持久化；logging支持五级日志分级、自动记录时间代码行号、文件持久化存储、日志过滤切割，适配线上项目问题追溯，是工程化唯一规范日志方案。
题目4：pdb调试的使用场景？常用指令有哪些？
答案：pdb用于无IDE的服务器环境交互式断点调试，可逐行执行、查看修改变量。常用指令：p打印变量、n下一步、s单步进入、c继续执行、q退出调试。
题目5：pytest夹具fixture的作用？和setUp的区别？
答案：fixture是pytest的依赖前置后置工具，支持灵活传参、作用域配置、数据复用，比unittest固定的setUp/tearDown更灵活，可精准为指定用例提供依赖，粒度更细、复用性更强。
九、全文终极背诵总结
1、unittest：官方内置测试框架，固定类和方法规范，适合基础标准化单元测试。
2、pytest：企业主流框架，语法极简、支持参数化、夹具，兼容unittest，高效适配批量测试。
3、mock模拟：解耦外部依赖，伪造数据与异常，实现纯本地、稳定可复现的单元测试。
4、logging日志：分级、持久化、可追溯，替代print，是线上问题排查的核心依据。
5、pdb调试：命令行交互式断点调试，适配服务器无IDE场景，快速定位代码异常。
6、工程规范：开发必写单元测试、线上只用logging、依赖测试必用mock、服务器排错用pdb。
