解决pytest中DeprecationWarning无法被filterwarnings忽略的问题
2025-05-18 13:01:46作者:裘晴惠Vivianne
问题背景
在使用pytest进行Python项目测试时,开发者经常会遇到各种警告信息,特别是DeprecationWarning。虽然pytest提供了filterwarnings配置选项来过滤这些警告,但在某些情况下,开发者发现即使正确配置了filterwarnings = ignore::DeprecationWarning,警告信息仍然会显示出来。
问题分析
这个问题通常发生在以下情况:
- 警告在pytest初始化之前就已经被触发
- 使用了较旧版本的pytest(如8.3.4)
- 警告来自第三方库的深层导入
在Python 3.12和3.13环境下,特别是当使用如pyOpenSSL等库时,这个问题尤为明显。警告信息如"CSR support in pyOpenSSL is deprecated"等会持续显示,影响测试输出的整洁性。
解决方案
临时解决方案
可以使用Python的-W命令行参数来全局忽略警告:
python3 -Wignore::DeprecationWarning -Im pytest
这种方法会强制Python解释器在启动时就忽略所有DeprecationWarning,确保在pytest初始化前就生效。
长期解决方案
- 升级到pytest 8.4或更高版本:新版本改进了警告过滤的时机,可以更早地应用过滤规则。
pip install git+https://github.com/pytest-dev/pytest.git
- 更精确的过滤规则:如果只想忽略特定模块的警告,可以使用更精确的过滤表达式:
[pytest]
filterwarnings =
ignore::DeprecationWarning:josepy.util:
ignore::DeprecationWarning:acme.crypto_util:
- 结合使用PYTHONWARNINGS环境变量:可以在运行pytest前设置环境变量:
PYTHONWARNINGS="ignore::DeprecationWarning" pytest
最佳实践
-
不要过度忽略警告:DeprecationWarning通常意味着代码将来可能无法工作,最好还是解决根本问题。
-
分层过滤:对不同的测试模块应用不同的过滤规则,保持测试的精确性。
-
定期检查警告:即使暂时忽略了警告,也应该定期检查并更新相关代码。
-
使用pytest的标记功能:可以对特定测试用例使用
@pytest.mark.filterwarnings装饰器进行更细粒度的控制。
总结
pytest的警告过滤功能虽然强大,但在特定情况下需要特别注意其应用时机。通过升级pytest版本、使用更精确的过滤规则或结合Python原生警告系统,可以有效解决DeprecationWarning无法被忽略的问题。开发者应当根据项目实际情况选择最适合的解决方案,同时保持对代码中潜在问题的关注。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879