能，pytest 可直接 import 并调用已正确编译安装的 c 扩展模块，测试方式与普通 python 模块一致，需关注编译环境、接口封装、崩溃调试及 ci 配置。
pytest 能直接 import 并调用 C 扩展模块吗？
能，但前提是模块已正确编译并可被 Python 导入。pytest 本身不区分纯 Python 模块和 C 扩展（如 myext.cpython-311-x86_64-linux-gnu.so），只要 import myext 成功，就能像测普通模块一样写测试函数。
- 确保 C 扩展已安装到当前 Python 环境（
pip install -e .或python setup.py build_ext --inplace） - 若使用 Cython，
.pyx文件需先生成.c再编译；或用cythonize自动处理（setup.py 中配置） - 常见失败现象：
ModuleNotFoundError: No module named 'myext'—— 检查sys.path和编译后 so/dll 文件位置 - Windows 下注意 DLL 依赖（如 MSVC 运行时、OpenSSL），
ImportError: DLL load failed往往不是代码问题，而是环境缺失
如何为 C 函数设计 pytest 测试用例？
核心原则：把 C 扩展当黑盒，只测它暴露给 Python 的接口（即 PyMethodDef 表中注册的函数，或 Cython def/cpdef 导出的函数）。
- 用
pytest.raises()检查 C 层抛出的 Python 异常（如PyErr_SetString(PyExc_ValueError, "...")会转成ValueError） - 对返回指针或缓冲区的函数，重点测边界：空输入、超长字符串、
None、非 bytes/str 类型传入（C 层是否正确校验） - Cython 中若用了
def（Python 可见），直接测；若只用cdef，则无法从 Python 层覆盖，只能通过上层def函数间接验证 - 示例：假设
myext.add_ints(a: int, b: int) -> int，测试可写：def test_add_ints(): import myext assert myext.add_ints(2, 3) == 5 with pytest.raises(ValueError): myext.add_ints(-1, 10000000000)
C 扩展里内存泄漏或崩溃怎么定位？
pytest 本身不捕获段错误（SIGSEGV）或堆损坏，一旦 C 代码崩溃，整个 pytest 进程退出，通常只留 core dump 或 “Killed” 提示。
- 开发阶段务必开启 AddressSanitizer：编译时加
-fsanitize=address（Clang/GCC），运行前设ASAN_OPTIONS=detect_leaks=1 - 在测试函数前加
import faulthandler; faulthandler.enable()，能让 segfault 打印 Python 调用栈（虽不能精确定位 C 行号，但能看出崩在哪个函数入口） - 避免在 C 扩展中长期持有 Python 对象指针却不调用
Py_INCREF；释放前未置NULL的指针二次释放是高频崩溃源 - 不要指望
try/except捕获 SIGSEGV —— 它不属于 Python 异常体系
CI 中编译 C 扩展并跑 pytest 的关键点
GitHub Actions / GitLab CI 默认没装编译工具链和 Python dev headers，容易卡在 Python.h: No such file or directory。
- Ubuntu：安装
build-essential python3-dev python3-setuptools - macOS：
xcode-select --install+brew install python（确保python3-config --includes可用） - Windows：用
msvc编译器（推荐 GitHub Actions 的windows-latest+vs2019环境），避免 MinGW（兼容性差） - 编译缓存很重要：C 扩展改动小，但每次重编译慢；可用
ccache或 GitHub Actions 的actions/cache缓存build/目录 - 若测试含 OpenMP/MPI 等依赖，CI 镜像需提前装对应库（如
libomp-dev），否则链接失败静默跳过测试
C 扩展测试最难的从来不是写断言，而是让崩溃现场可复现、可调试 —— 编译选项、符号表、运行时环境，三者缺一不可。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
