pytest升级后跳过测试时__new__调用行为的变化分析
背景介绍
在pytest测试框架中,开发者经常使用跳过标记(skip marker)来控制特定测试用例的执行。近期有用户从pytest 6.2.5升级到8.3.3版本后发现,测试类的__new__方法调用行为发生了变化,这影响了他们原有的测试安全机制实现方式。
问题现象
在pytest 6.2.5版本中,当通过pytest_collection_modifyitems钩子为测试项添加跳过标记时:
- 如果测试被标记为跳过,测试类的
__new__方法不会被调用 - 只有未被跳过的测试才会触发
__new__方法的执行
而在升级到pytest 8.3.3后:
- 无论测试是否被跳过,测试类的
__new__方法都会被调用 - 这导致原本依赖
__new__方法进行环境安全检查的代码出现了问题
技术分析
原有实现机制
用户原有的实现方式是在unittest.TestCase的子类中重写__new__方法,用于执行环境安全检查。当检测到不安全的测试环境时,会抛出异常阻止测试执行。这种实现方式依赖于pytest 6.2.5版本中跳过测试时不实例化测试类的行为特性。
pytest内部机制变化
pytest核心开发者指出,测试类实例化是unittest.TestCase的标准契约行为。在早期版本中跳过测试时不调用__new__实际上是一个实现细节而非设计特性。随着pytest内部实现的改进,8.3.3版本更加严格地遵循了unittest的契约,确保测试类总是会被实例化。
安全机制的正确实现方式
对于需要在测试执行前进行环境检查的场景,推荐使用以下替代方案:
- setUpClass类方法:在类级别进行一次性检查
@classmethod
def setUpClass(cls):
if not is_safe_environment():
raise unittest.SkipTest("Unsafe environment")
super().setUpClass()
- setUp实例方法:在每个测试方法执行前进行检查
def setUp(self):
if not is_safe_environment():
raise unittest.SkipTest("Unsafe environment")
super().setUp()
- 自定义pytest标记:结合pytest的标记系统和钩子函数实现更灵活的检查
@pytest.mark.safe_environment
def test_something(self):
pass
最佳实践建议
-
避免依赖框架内部实现细节:
__new__方法的调用行为属于框架实现细节,不应作为安全检查的依赖点 -
明确区分收集阶段和执行阶段:pytest的测试生命周期中,收集阶段和执行阶段有不同的职责,安全检查应放在合适的阶段
-
考虑多种运行场景:如果测试可能通过不同方式运行(如直接使用unittest运行器),应确保安全机制在所有场景下都有效
-
使用标准扩展点:优先使用unittest或pytest提供的标准扩展点(如setUp、标记系统)来实现自定义逻辑
结论
pytest从6.2.5到8.3.3版本的这一行为变化,实际上是框架朝着更加规范和可靠的方向发展。开发者应该调整测试安全机制的实现方式,使用更加标准和可靠的方法来进行环境检查。这不仅解决了当前的问题,也使代码更加健壮和可维护。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00