Курсы и обучение Pytest: фикстуры, автотесты и запуск в CI/CD

Что такое Pytest и почему его учат вместо unittest

Pytest — сторонний фреймворк для тестирования Python-кода. В стандартной библиотеке уже есть unittest, но индустрия проголосовала за альтернативу: по данным Python Developers Survey 2024 от JetBrains, pytest используют 53% разработчиков, unittest — 23%. Разрыв больше чем двукратный, и он держится с 2018 года.

Причина простая. В unittest каждый тест — метод класса, унаследованного от TestCase, с обязательными self.assertEqual и прочей церемонией. В pytest тест пишется обычной функцией с обычным assert. Фреймворк сам разбирает выражение и показывает, какие значения не сошлись. Для новичка это разница между «сначала выучи протокол» и «просто напиши проверку».

Второе, за что pytest ценят в командах, — фикстуры. Это механизм подготовки данных и окружения, который умеет управлять временем жизни объекта: поднять базу один раз на всю сессию, а тестового пользователя создавать заново на каждый тест. В unittest ту же задачу решают через setUp и tearDown, и на больших проектах это быстро превращается в наследование ради наследования.

Важный нюанс: тот же опрос показывает, что 36% Python-разработчиков не используют юнит-тесты вообще. Так что навык писать автотесты сам по себе выделяет кандидата на собеседовании, даже без громких строчек в резюме.

Что изучают на курсах с Pytest: фикстуры, маркеры, параметризация

Программы отличаются глубиной, но каркас у всех примерно одинаковый. Вот что должно быть в курсе, чтобы после него можно было работать с чужим тестовым проектом.

Базовый запуск и структура. Команда pytest, флаги -v, -k, -x, запуск одного файла или конкретного теста. Как фреймворк ищет тесты (правила именования test_*.py и test_*), что такое rootdir и зачем нужен pytest.ini или секция в pyproject.toml. Тут же разбирают conftest.py, файл общих настроек и фикстур для директории.

Фикстуры. Декоратор @pytest.fixture, передача фикстуры в тест аргументом, области видимости: function, class, module, session. Отдельно идут фикстуры с yield, которые после теста прибирают за собой: закрывают соединение, чистят таблицу, удаляют временные файлы. Хороший курс обязательно доводит до autouse-фикстур и до объяснения, почему злоупотреблять ими не стоит.

Параметризация. @pytest.mark.parametrize превращает один тест в десяток проверок с разными входными данными. Это первое, что реально экономит время: вместо пяти почти одинаковых функций получается одна с таблицей значений. Сюда же входит параметризация самих фикстур.

Маркеры. @pytest.mark.smoke, @pytest.mark.slow и любые собственные метки, по которым потом гоняют нужный набор: pytest -m smoke. Встроенные маркеры skip, skipif и xfail нужны, чтобы честно помечать временно нерабочие проверки, а не удалять их.

Работа с падениями. Чтение трейсбека pytest, флаг --pdb, вывод print и логов в отчёт, проверка исключений через pytest.raises. Навык непопулярный на курсах, но именно он отличает человека, который умеет чинить чужие тесты, от того, кто умеет только писать свои.

Если этих тем в программе нет, курс даёт скорее знакомство с инструментом, чем рабочий навык. Отдельно посмотрите на версии: pytest давно перешагнул восьмую мажорную ветку, и материалы, где всё ещё показывают устаревшие способы объявления маркеров или работу через nose, писались очень давно. Свежесть программы легко проверить по одному признаку: упоминается ли pyproject.toml как место для настроек. Более фундаментальную теорию проверки отдельных функций разбирают на программах по юнит-тестированию.

Плагины и отчёты, без которых pytest не живёт в команде

Сам по себе pytest — небольшое ядро. Настоящая сила в плагинах, и на курсах разбирают примерно пять из них.

pytest-cov считает покрытие кода тестами и показывает, какие строки ни разу не выполнились. Цифра покрытия лукава: 90% ничего не гарантируют, но отчёт помогает найти целые модули, до которых тесты не добрались.

pytest-mock подменяет части системы заглушками: внешний API, отправку письма, обращение к платёжному шлюзу. Без моков тест начинает зависеть от интернета и чужих серверов и превращается в источник ложных падений.

pytest-xdist запускает тесты параллельно в несколько процессов. На наборе из тысячи проверок это разница между «прогон идёт полчаса» и «прогон идёт пять минут». Разработчик, который ждёт результат полчаса, тесты просто перестаёт запускать.

pytest-asyncio нужен для асинхронного кода: тестов корутин и всего, что построено на async/await. Для проектов на FastAPI и aiohttp это обязательный пункт.

Allure собирает результаты в наглядный веб-отчёт со скриншотами, шагами и историей прогонов. Это то, что показывают менеджеру и заказчику, поэтому в вакансиях QA automation Allure встречается едва ли не чаще, чем сам pytest. Простой HTML-отчёт умеет и плагин pytest-html, если инфраструктуры под Allure в компании нет.

Где Pytest применяют: API, интерфейсы и веб-фреймворки

Связка Python и pytest сама по себе только организует и запускает тесты, а что именно проверять, решает набор библиотек рядом с ней. Отсюда четыре типовых сценария, которые встречаются в программах.

Тестирование API. Связка pytest и requests: отправили запрос, проверили код ответа, схему и тело. Самый быстрый способ получить пользу от автотестов, потому что API стабильнее интерфейса и тесты реже ломаются на ровном месте. Глубже эту тему разбирают курсы по тестированию API.

UI-тесты. Selenium или более современный Playwright открывают браузер и повторяют действия пользователя, pytest управляет запуском, фикстурами и отчётом. Дисциплина капризная: интерфейс меняется, тесты краснеют. Хороший курс обязательно даёт паттерн Page Object, иначе поддерживать такой проект невозможно.

Тесты веб-приложений. У Django, Flask и FastAPI свой тестовый клиент, и pytest с ними дружит через плагины вроде pytest-django. Здесь появляются тесты, которые ходят в тестовую базу и откатывают транзакции после каждой проверки. Как устроена сама разработка на этом стеке, мы разбирали в материале про то, кто такой Django-разработчик.

Запуск в CI/CD. Финальная точка любой нормальной программы: тесты гоняются не с ноутбука, а автоматически на каждый пуш в GitLab CI, GitHub Actions или Jenkins. Если ветку с красными тестами нельзя влить в основную, автотесты начинают работать как защита, а не как отчётность.

Тут же всплывает главная боль автоматизации: нестабильные тесты, которые падают через раз без изменений в коде. Их называют флейки, и борьба с ними занимает у команд больше времени, чем написание новых проверок. На курсе стоит поискать блок про явные ожидания вместо sleep, изоляцию тестовых данных и перезапуск упавших проверок через pytest-rerunfailures. Если про флейки не сказано ни слова, программу писал человек без опыта поддержки боевого тестового проекта.

Кому подходят курсы с Pytest и что нужно знать заранее

Скажем прямо: программ, где учат только pytest, на русскоязычном рынке единицы. Обычно он идёт крупным блоком внутри курса автоматизации тестирования или backend-разработки на Python. Это нормально: изолированно инструмент бесполезен, он нужен вместе с языком, git и пониманием того, что вообще проверять.

Порог входа — базовый Python. Функции, декораторы хотя бы на уровне «умею применить чужой», работа с модулями и виртуальным окружением. Без этого фикстуры и параметризация не сложатся в голове, потому что обе построены на синтаксисе языка.

Кому имеет смысл идти:

• Ручным тестировщикам. Самый частый и самый оправданный переход: доменные знания уже есть, добавляется код. Как выглядит этот путь целиком, мы описали в материале как стать тестировщиком ПО с нуля.
• Python-разработчикам. Тесты сегодня входят в базовые требования к middle, и на собеседовании про фикстуры спрашивают регулярно.
• Новичкам без опыта в IT. Только через большую программу с языком и практикой, а не через короткий модуль по фреймворку.
• Аналитикам и дата-инженерам. Проверки качества данных и ETL-пайплайнов пишут тем же pytest, и требование это встречается в вакансиях всё чаще.

Если вы ещё выбираете направление, а не инструмент, начните с общего каталога программ по автоматизированному тестированию: там шире выбор и есть варианты со стеком на Java и JavaScript. Чем занимается специалист и какой стек ему нужен, разобрано в статье про то, кто такой тестировщик-автоматизатор.

Сколько стоит обучение и сколько времени занимает

Цены в каталоге начинаются от 10 000 ₽ и доходят до 205 500 ₽, медиана — 88 800 ₽. Разброс объясняется форматом, а не качеством.

Дешёвый край — короткие модули и подписки на 1–3 месяца: теория, тренажёр, самостоятельная практика. Подходит, если Python вы уже знаете и нужен именно инструмент.

Верхний край — программы на 6–12 месяцев с нуля до трудоустройства: язык, git, SQL, API, UI, CI/CD, дипломный проект и работа с ментором. Здесь вы платите не за фреймворк, а за сопровождение и обратную связь по коду.

Сам pytest на базовом уровне осваивается за пару недель практики. Дойти до состояния «могу поддерживать тестовый проект в команде» — это несколько месяцев регулярной работы с реальным кодом. На собеседовании обычно спрашивают про области видимости фикстур, разницу между skip и xfail, устройство conftest.py и способы подменить внешний сервис. Если вы уверенно отвечаете на эти четыре вопроса и показываете свой репозиторий с тестами, формального сертификата от вас, скорее всего, никто не потребует. Зарплатные ориентиры по направлению мы собирали отдельно в обзоре, сколько зарабатывает тестировщик.

Проверить синтаксис и возможности фреймворка всегда можно бесплатно в официальной документации pytest, а актуальную версию и историю релизов посмотреть на странице пакета в PyPI.

Как мы отбираем и ранжируем программы в каталоге

В подборку попадают курсы, где pytest разбирают предметно, а не упоминают строчкой в учебном плане. Мы читаем программы целиком и смотрим на четыре вещи.

Первое — наличие практики с кодом, который проверяет преподаватель или ментор, а не только автотесты тренажёра. Второе, глубина: есть ли фикстуры, параметризация, моки и отчёты, или всё заканчивается на первом assert. Третье, актуальность стека: Playwright и современные версии Python вместо материалов пятилетней давности. Четвёртое, отзывы выпускников и то, как школа ведёт себя при возвратах.

Порядок карточек учитывает эти оценки, цену и полноту данных о программе. Данные о стоимости и сроках подтягиваются из фидов школ и обновляются автоматически, поэтому цифры на странице совпадают с теми, что вы увидите на сайте школы.