Requests项目中的pytest.warns(None)兼容性问题解析
在Requests项目的测试代码中,存在一个与pytest警告捕获相关的兼容性问题。这个问题源于pytest 8.0版本对警告捕获机制的变更,特别是对pytest.warns(None)用法的废弃。
问题背景
Requests项目的测试套件中有一处使用了pytest.warns(None)的代码,其本意可能是想验证某个操作不会产生任何警告。然而,这种用法实际上并不符合pytest的设计意图。
在pytest 8.0之前,pytest.warns(None)的行为被设计为检查代码是否至少产生一个任意类型的警告,这与pytest.warns()或pytest.warns(Warning)的效果相同。这种设计实际上与开发者直觉相反,因为很多人误以为它可以用来验证"没有警告产生"的情况。
技术细节分析
pytest 8.0版本明确废弃了pytest.warns(None)的用法,并会在使用时抛出TypeError异常:"exceptions must be derived from Warning, not <class 'NoneType'>"。这是pytest团队为了消除API歧义而做出的改进。
在Requests的测试代码中,这个用法出现在验证HTTP连接池行为的测试用例中。原始代码试图捕获urllib3库可能产生的警告,但随着依赖库版本的更新和pytest本身的变更,这种写法已经不再适用。
解决方案
最简单的修复方法是直接移除pytest.warns(None)的用法。根据测试验证,在pytest 8.1.1和urllib3 2.0以下版本的环境中,这种修改能够解决问题。
对于确实需要验证"没有警告产生"的场景,正确的做法是使用pytest的警告捕获机制配合断言来检查警告列表是否为空。不过在当前Requests的测试上下文中,直接移除该检查可能是更合适的选择,因为其原始意图可能并非严格验证无警告产生。
最佳实践建议
- 避免使用
pytest.warns(None),因为它已被废弃且行为不符合直觉 - 如果需要验证特定警告,明确指定警告类型
- 对于"无警告"验证,考虑使用pytest的警告过滤器或显式检查警告列表
- 保持测试依赖项的版本更新,及时处理废弃API的迁移
这个案例提醒我们,测试代码也需要像生产代码一样保持更新,特别是当依赖的测试框架发生重大变更时,需要及时调整测试策略和实现方式。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00