Python单元测试需兼顾覆盖率与精准断言：用pytest-cov生成HTML报告查漏补缺，聚焦missed lines；用原生assert验证返回值、异常和状态变化；通过parametrize覆盖边界与异常场景；在CI中设fail_under阈值强制保障质量。
写Python单元测试不只是让代码“跑起来”，关键是验证逻辑是否正确、边界是否覆盖、异常是否可控。覆盖率和断言是两个最实用的抓手：覆盖率告诉你“测了哪些”，断言决定“怎么才算测对了”。下面结合真实项目场景，讲清楚怎么做才不流于形式。
用pytest + coverage快速生成覆盖率报告
安装基础工具只需两步：
- pip install pytest pytest-cov
- 在项目根目录运行：pytest --cov=my_module --cov-report=html（把my_module换成你的包名）
执行后会在当前目录生成htmlcov/文件夹，打开index.html就能看到每行代码是否被执行过。注意：覆盖率100% ≠ 没有bug，但低于70%大概率说明核心路径没覆盖全。重点看missed lines列——比如if分支里的else、异常处理块、空返回路径，常被忽略。
断言不是越多越好，而是要精准表达预期
pytest支持原生assert语句，比self.assertEqual()更简洁，且失败时自动显示详细上下文。关键在于写断言前先想清楚：“这个函数在什么输入下，应该产生什么确定结果？”
立即学习“Python免费学习笔记（深入）”；
- 验证返回值类型和内容：assert isinstance(result, list) and len(result) == 3
- 验证异常是否如预期抛出：with pytest.raises(ValueError, match="must be positive"):
calculate(-5) - 验证对象状态变化（比如类方法修改了实例属性）：obj.process(); assert obj.status == "done"
避免模糊断言，例如assert result——它只检查真值，不说明到底该是什么；也不要用assert True占位，那是无效测试。
为边界和异常路径补全测试用例
真实项目里，80%的缺陷藏在边界和异常场景中。不要只测“正常流程”，主动构造极端输入：
- 空字符串、None、零值、超长列表、嵌套很深的字典
- 数据库连接超时、文件不存在、JSON解析失败等外部依赖异常
- 用@pytest.mark.parametrize批量验证多种输入：
@pytest.mark.parametrize("input_val,expected", [(1, 1), (0, 0), (-1, 1)])
def test_abs(input_val, expected): assert my_abs(input_val) == expected
这类测试能直接提升覆盖率中的“分支覆盖率”（Branch Coverage），让if/else、try/except都得到验证。
把覆盖率纳入开发流程，而不是最后补救
在CI（如GitHub Actions）中加一行检查，防止低覆盖代码合入主干：
- 配置.coveragerc文件设定最低阈值：
[report]
fail_under = 80 - CI脚本中运行：pytest --cov=my_module --cov-fail-under=80
这样每次PR提交都会触发检查，倒逼开发者在写功能代码的同时补全对应测试——而不是等提测前手忙脚乱补几个assert完事。
