pytest项目中处理导入时异常的最佳实践

在编写Python测试代码时，我们经常会遇到需要在模块导入阶段检查某些功能是否可用的场景。本文将以psutil测试代码为例，探讨在pytest框架下处理这类情况的最佳实践。

问题背景

当测试代码在导入阶段需要检查某些功能时，传统的做法是使用try-except块捕获异常，并通过全局变量标记功能可用性。例如：

try:
    HAS_CPU_FREQ = hasattr(psutil, "cpu_freq") and bool(psutil.cpu_freq())
except Exception:
    traceback.print_exc()
    HAS_CPU_FREQ = False

这种方法虽然简单，但存在几个明显问题：

1. 异常信息可能被忽略（特别是在并行测试时）
2. 无法直接导致测试失败，只能跳过测试
3. 错误处理不够规范

改进方案：使用pytest fixture

pytest框架提供了更优雅的解决方案——使用fixture来处理这类前置条件检查：

@pytest.fixture
def ensure_cpu_freq():
    try:
        if not (hasattr(psutil, "cpu_freq") and bool(psutil.cpu_freq())):
            pytest.skip("cpu_freq not supported")
    except Exception as e:
        pytest.fail(f"Failed to check cpu_freq: {str(e)}")

然后可以通过以下方式在测试中使用：

@pytest.mark.usefixtures("ensure_cpu_freq")
def test_cpu_freq():
    # 测试代码

方案优势

1. 更清晰的错误报告：当检查失败时，会直接导致测试失败，而不是静默跳过
2. 更好的异常处理：可以捕获并报告具体的异常信息
3. 更符合pytest风格：使用框架提供的标准机制而非自定义解决方案
4. 更好的可维护性：将检查逻辑集中在一个地方，便于修改和维护

实现细节

1. 异常处理：在fixture中捕获所有异常，并使用pytest.fail明确标记失败
2. 条件检查：使用pytest.skip在功能不可用时优雅地跳过测试
3. 测试标记：使用@pytest.mark.usefixtures确保fixture在测试前执行

替代方案比较

对于简单的场景，也可以考虑使用pytest的importorskip功能：

psutil = pytest.importorskip("psutil")

但这种方法灵活性较低，无法处理更复杂的检查逻辑。

结论

在pytest测试中处理导入时检查，推荐使用fixture机制而非全局变量和try-except块。这种方法不仅更符合测试框架的设计理念，还能提供更好的错误报告和维护性。对于需要复杂检查逻辑的场景，自定义fixture是最佳选择。

记住：好的测试不仅需要验证功能，还需要清晰地报告问题。使用pytest提供的标准机制可以帮助我们实现这一目标。