pytest项目中关于DeprecationWarning过滤配置的注意事项
2025-05-18 15:46:47作者:郦嵘贵Just
在Python测试框架pytest的使用过程中,开发者经常会遇到各种警告信息,特别是DeprecationWarning。本文将详细介绍如何正确配置pytest来过滤这些警告信息,以及常见的配置错误和解决方案。
背景
随着Python 3.13的发布,许多第三方库开始显示DeprecationWarning警告,表明某些API将在未来版本中被移除。虽然这些警告对库维护者很重要,但对于普通开发者来说可能会干扰测试输出。
正确的警告过滤配置
在pytest中,可以通过pytest.ini文件配置警告过滤器。要过滤所有DeprecationWarning,正确的配置方式是:
[pytest]
filterwarnings = ignore::DeprecationWarning
这个配置会忽略所有模块中产生的DeprecationWarning警告。
常见错误配置
许多开发者尝试使用以下配置:
[pytest]
filterwarnings = ignore::DeprecationWarning:*
这种配置会导致pytest崩溃,因为它尝试将""作为正则表达式模式传递给Python的warnings.filterwarnings()函数。在正则表达式中,""表示"重复前一个字符零次或多次",但当它出现在模式开头时是无效的,因此会抛出"nothing to repeat"错误。
技术原理
pytest的警告过滤系统底层使用的是Python标准库的warnings模块。filterwarnings配置项会被转换为warnings.filterwarnings()函数的参数。当指定模块模式时,它必须是一个有效的正则表达式。
最佳实践
- 对于简单的警告过滤,只需指定警告类别即可,不需要模块模式
- 如果需要针对特定模块的警告,应该使用有效的正则表达式模式
- 在升级Python版本后,建议检查测试中的警告过滤配置是否仍然有效
总结
正确配置pytest的警告过滤器可以保持测试输出的整洁,同时避免因无效配置导致的崩溃。记住,简单的警告类别过滤不需要模块模式,只有在需要针对特定模块时才需要使用正则表达式。
随着Python生态系统的不断发展,合理处理各种警告信息是保持项目健康的重要一环。pytest提供了灵活的警告过滤机制,帮助开发者专注于真正重要的测试结果。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210