pytest로 파이썬 테스트 쉽게 시작하기: unittest보다 더 간단하고 강력한 프레임워크

✅ pytest란 무엇인가요?

pytest는 파이썬 테스트 자동화 도구 중에서도 가장 널리 사용되는 테스트 프레임워크 중 하나입니다.
단순한 문법으로 시작할 수 있지만, 프로젝트 규모가 커져도 충분히 확장 가능한 구조를 가지고 있어 많은 개발자들이 실무에서 활용하고 있어요.

기존의 파이썬 내장 모듈인 unittest는 클래스 기반으로 구조가 다소 복잡하고, 설정도 번거로운 편이었죠.
하지만 pytest는 테스트 함수 하나만으로 시작할 수 있고, assert 문만으로도 결과를 검증할 수 있는 아주 간단한 구조를 제공합니다.
덕분에 초보자도 진입이 쉬우며, 테스트 작성에 부담을 크게 줄일 수 있습니다.

• ✅클래스 없이도 테스트 함수만으로 시작 가능
• ✅assert 문을 그대로 사용해 직관적 테스트 작성
• ✅다양한 플러그인과 fixture 기능으로 확장성 확보
• ✅테스트 실행 시 결과가 가독성 좋게 출력

아래는 pytest로 테스트를 시작할 수 있는 아주 기본적인 예시입니다.
unittest처럼 복잡한 클래스 선언 없이도 테스트 함수를 작성하고, assert 문으로 바로 결과를 확인할 수 있습니다.

# test_sample.py

def add(a, b):
    return a + b

def test_add():
    assert add(2, 3) == 5

위 코드를 작성한 후 터미널에서 pytest 명령어를 입력하면 테스트가 자동으로 실행되고, 성공 여부를 간결하게 확인할 수 있어요.
이처럼 pytest는 설치부터 실행까지 매우 간단하면서도 강력한 기능을 갖춘 도구랍니다.

⚡ assert 문으로 간단하게 테스트하기

pytest의 가장 큰 특징 중 하나는 단순한 assert 문만으로 테스트를 작성할 수 있다는 점입니다.
복잡한 테스트 메서드나 클래스 선언 없이도, 우리가 평소에 사용하던 assert 문법을 그대로 활용해 테스트 로직을 구현할 수 있어요.

assert는 조건이 참인지 검사하고, 거짓일 경우 에러를 발생시키는 파이썬 내장 키워드입니다.
pytest는 이를 감지해 테스트 결과로 활용하며, 실패 시에는 비교 결과와 함께 어떤 값이 잘못되었는지 친절하게 출력해 줍니다.

def multiply(a, b):
    return a * b

def test_multiply():
    assert multiply(2, 5) == 10
    assert multiply(-1, 3) == -3

위와 같은 방식으로 test_로 시작하는 함수 안에서 assert를 여러 개 작성해도 되고,
에러가 발생하면 그 지점에서 테스트는 실패로 간주되어 중단됩니다.
이 구조는 단순하지만 가독성이 뛰어나고, 디버깅이 훨씬 쉬운 장점이 있어요.

또한, pytest는 내장된 rich assert 기능을 통해 단순한 True/False 결과가 아닌,
어떤 값이 어디서 틀렸는지 명확하게 알려줘 디버깅 속도도 빨라집니다.
따라서 테스트 코드가 복잡해질수록 assert의 활용도는 더욱 빛을 발합니다.

🔌 fixture로 반복 작업 줄이기

테스트를 여러 개 작성하다 보면, 여러 테스트에서 동일한 준비 작업이 반복되는 경우가 많습니다.
예를 들어 DB 연결, 파일 열기, 테스트용 데이터 생성 등은 대부분의 테스트에서 공통적으로 필요한 전처리 작업이에요.
이런 반복 코드를 pytest에서는 fixture 기능으로 효율적으로 처리할 수 있습니다.

fixture는 테스트 전에 실행되어 공통 데이터를 준비하고 주입해주는 역할을 합니다.
그리고 테스트 함수는 필요한 fixture를 인자로 받아서 사용하면 되기 때문에 코드가 훨씬 깔끔해지고 유지보수가 쉬워져요.

import pytest

@pytest.fixture
def sample_data():
    return {"a": 1, "b": 2}

def test_keys(sample_data):
    assert "a" in sample_data
    assert "b" in sample_data

위 예시에서 sample_data는 fixture 함수로 정의되어, test_keys 함수에 자동으로 주입됩니다.
이렇게 하면 테스트마다 동일한 데이터를 반복 생성하지 않아도 되고, 코드도 훨씬 간결해지죠.

또한 fixture는 다른 fixture를 호출하거나 중첩해서 활용할 수도 있고, 예외 처리 및 정리(clean-up) 작업도 지원합니다.
따라서 단순한 테스트부터 복잡한 환경 구성까지 모두 커버할 수 있어요.

🧩 플러그인으로 기능 확장하기

pytest가 많은 사랑을 받는 또 하나의 이유는 플러그인을 통한 강력한 확장성입니다.
테스트 코드가 커지면 기능도 다양해지고, 그에 따라 테스트 도구도 진화해야 하는데요.
pytest는 이를 위해 수많은 공식 및 커뮤니티 플러그인을 지원하며, 간단한 설정만으로 원하는 기능을 쉽게 추가할 수 있습니다.

대표적인 플러그인 예시로는 다음과 같은 것들이 있습니다.

• 📊pytest-cov: 테스트 커버리지 측정
• ⏱️pytest-timeout: 테스트 타임아웃 설정
• 🧪pytest-django: Django 프로젝트 통합 테스트
• 🔁pytest-xdist: 병렬 테스트 실행

플러그인 설치는 매우 간단합니다.
보통 pip으로 설치하고, pytest 명령어를 실행하면 자동으로 인식되죠.

# pytest-cov 설치 및 사용 예시
pip install pytest-cov

# 테스트 실행과 동시에 커버리지 확인
pytest --cov=your_package_name

이처럼 pytest는 테스트 자동화 생태계를 강화할 수 있는 유연한 구조를 갖추고 있으며,
프로젝트 요구에 따라 원하는 기능을 유연하게 추가하고 제거할 수 있어요.

🚀 실전에서 pytest 적용 예시

기본 사용법과 fixture, 플러그인까지 익혔다면 이제 실제 프로젝트에서 pytest를 어떻게 활용할 수 있을지 알아볼 차례예요.
여기서는 간단한 서비스 로직을 테스트하는 예제를 통해 pytest의 실전 적용 방법을 설명해 드릴게요.

아래 예시는 쇼핑몰에서 주문 금액에 따라 배송비를 계산하는 서비스 코드입니다.
우리는 다양한 조건에 대해 테스트 케이스를 작성하고, parametrize 기능을 사용해 코드를 더욱 간결하게 유지할 수 있어요.

# shipping.py
def calculate_shipping(order_total):
    if order_total >= 50000:
        return 0
    return 3000

# test_shipping.py
import pytest
from shipping import calculate_shipping

@pytest.mark.parametrize("order_total, expected", [
    (60000, 0),
    (50000, 0),
    (49999, 3000),
    (10000, 3000)
])
def test_calculate_shipping(order_total, expected):
    assert calculate_shipping(order_total) == expected

위와 같이 pytest.mark.parametrize를 활용하면 여러 테스트 케이스를 한 번에 관리할 수 있습니다.
중복 코드 없이 다양한 시나리오를 테스트할 수 있어서 실무에서도 매우 유용하죠.

이 외에도 pytest는 API 테스트, DB 연동 테스트, 비동기 테스트 등 다양한 환경에서도 사용 가능합니다.
복잡한 시스템일수록 테스트 코드의 구조화와 자동화는 필수이며, pytest는 그 중심에서 강력한 도구로 역할을 해줄 수 있습니다.

❓ 자주 묻는 질문 (FAQ)