有效覆盖率需覆盖所有公开接口、边界条件及错误输入路径，而非追求100%；应关注--cov-report=term-missing中标红的missing行，避免测试私有方法、__init__.py和类型提示。
pytest 要覆盖哪些代码才算“有效”？
覆盖率本身不等于质量，pytest 配合 pytest-cov 统计的是「被执行过的行数占比」，但容易误判：比如 if False: 下的分支、未触发的异常路径、装饰器生成的代码，都可能被计入「未覆盖」——其实它们本就不该运行。关键不是冲 100%，而是确保所有公开接口、边界条件、错误输入路径都被显式调用过。
实操建议：
- 用
pytest --cov=my_module --cov-report=term-missing启动，重点关注报告里标红的「missing」行，它们才是真问题 - 避免测试私有方法（以
_开头），除非它逻辑复杂且无法通过公有接口触达 -
__init__.py和类型提示（from __future__ import annotations）默认不计入覆盖率，无需强行覆盖
如何让 pytest 自动发现并运行测试用例？
Pytest 默认只识别满足命名约定的文件和函数：test_*.py 或 *_test.py 文件里的 test_* 函数，或继承自 unittest.TestCase 的类。一旦命名不匹配，pytest 就直接跳过——连报错都不会有，这是新手最常踩的静默坑。
实操建议：
- 测试文件必须以
test_开头或_test结尾，例如test_utils.py✅，utils_test.py✅，utils.py❌ - 测试函数名必须是
test_*，例如test_parse_json()✅，check_json()❌（即使加了@pytest.mark.parametrize也无效） - 如果项目结构深（如
src/myapp/），在根目录运行时需加--rootdir=.并确认pyproject.toml中[tool.pytest.ini_options]没有错误的testpaths
参数化测试怎么写才不漏边界值？
@pytest.mark.parametrize 是补全覆盖的关键，但很多人只传两三个典型值，漏掉 None、空字符串、负数、极大值等真正容易崩的输入。更隐蔽的问题是：当参数组合爆炸时（比如 3 个参数各 4 种取值），盲目全排列会让测试变慢且冗余。
实操建议：
- 每个参数单独标记，用
ids显式命名用例，方便定位失败项：@pytest.mark.parametrize("value,expected", [(1, True), (0, False), (None, False)], ids=["positive", "zero", "none"]) - 对多参数组合，优先用
itertools.product手动控制组合范围，而不是依赖parametrize的笛卡尔积 - 必测的「坏数据」：空值（
None,"",[]）、类型错位（传int却要str）、超长字符串（>1024 字符）、带 BOM 的 UTF-8 字节流
mock 外部依赖后，为什么覆盖率反而下降了？
用 patch 替换数据库调用或 HTTP 请求时，如果 mock 写在测试函数内部（比如 with patch(...)），而被测函数里原本有 try/except 包裹真实调用，那么 except 分支就永远不会执行——pytest-cov 会把它标为「未覆盖」。这不是 bug，是 mock 隐蔽地删掉了执行路径。
实操建议：
- mock 应尽量贴近真实调用位置，比如函数内调用了
requests.get，就 patchmy_module.requests.get，而不是 patchrequests.api.get - 对异常路径，必须显式触发：在 mock 对象上设
side_effect=ValueError("boom")，再断言是否进了 except 块 - 避免 patch 过深（如
builtins.open），优先改被测函数设计，把 IO 抽成可注入的参数，测试时直接传入 StringIO 或 dict
覆盖率数字只是镜子，照出你没想清楚的地方。真正难的从来不是让百分比变高，而是判断哪一行「不该被覆盖」、哪一分支「永远不该执行」——那才是设计意图的真相。
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！
