使用pytest.raises验证异常处理代码的关键在于明确测试目标并结合上下文管理器和mock对象。1. 使用pytest.raises作为上下文管理器包裹可能抛出异常的代码，并通过excinfo验证异常详情；2. 通过match参数匹配异常消息，确保其符合预期；3. 使用元组指定多个期望的异常类型，以应对可能抛出多种异常的情况；4. 在复杂场景中模拟异常条件，结合try…except验证副作用并重新抛出异常；5. 避免过度测试不重要的异常，聚焦业务、资源和安全相关异常；6. 使用mock对象隔离外部依赖，通过side_effect模拟异常并测试代码处理逻辑。
异常处理代码的单元测试，说白了就是验证当程序抛出异常时，你的代码是否按照预期工作。这不仅是测试覆盖率的问题，更是保证程序健壮性的关键。pytest.raises 是个好帮手，但要用好它，得深入理解其用法。
解决方案
使用 pytest.raises 的核心思路是：断言特定代码块会抛出预期的异常。最基本的用法是：
import pytest def divide(x, y): if y == 0: raise ValueError("Cannot divide by zero") return x / y def test_divide_by_zero(): with pytest.raises(ValueError) as excinfo: divide(10, 0) assert str(excinfo.value) == "Cannot divide by zero"
这里，pytest.raises(ValueError) 作为上下文管理器，包裹住可能抛出 ValueError 的代码。如果 divide(10, 0) 真的抛出了 ValueError，测试就算通过。excinfo 则包含了异常的详细信息，比如异常类型、异常消息等，可以进行更细致的断言。
更高级的用法，你可以直接将函数作为参数传递给 pytest.raises：
def test_divide_by_zero_direct(): with pytest.raises(ValueError, match="Cannot divide"): divide(10, 0)
match 参数允许你使用正则表达式匹配异常消息。这在验证异常消息是否符合预期时非常有用。
另外，如果你的代码可能抛出多种异常，你可以使用元组来指定多个期望的异常类型：
def might_raise_multiple(): # 假设这里根据条件抛出不同的异常 pass def test_multiple_exceptions(): with pytest.raises((ValueError, TypeError)): might_raise_multiple()
如何处理更复杂的异常场景？
复杂的异常场景，比如依赖于特定状态的异常，或者需要验证异常发生后的副作用，需要更精细的测试策略。
首先，确保你的测试用例能够模拟出异常发生的条件。这可能需要 mock 一些外部依赖，或者构造特定的输入数据。
其次，使用 pytest.raises 结合 try…except 块，可以更灵活地处理异常。例如：
def function_with_side_effect(x): try: # 可能会抛出异常的代码 pass except ValueError: # 验证异常发生后的副作用 assert x.some_attribute == expected_value raise # 重新抛出异常，确保 pytest.raises 能捕获到
这种方式允许你在异常发生后执行一些验证操作，然后再将异常抛出，确保 pytest.raises 能够正确地捕获到。
如何避免过度测试异常处理？
过度测试异常处理，指的是对一些不重要的异常场景进行过度关注，导致测试代码过于复杂，维护成本升高。
要避免这种情况，需要抓住重点。关注以下几类异常：
- 业务逻辑相关的异常：这些异常直接影响程序的正确性，必须进行充分测试。
- 资源相关的异常：比如文件打开失败、网络连接超时等，这些异常可能导致程序崩溃，也需要重点关注。
- 安全相关的异常：比如权限不足、数据校验失败等，这些异常可能导致安全漏洞，必须进行严格测试。
对于一些不太重要的异常，比如一些内部错误导致的异常，可以适当降低测试力度，甚至可以忽略。
另外，避免编写过于复杂的异常处理逻辑。简单的异常处理逻辑更容易测试，也更不容易出错。
如何使用 Mock 对象来测试异常？
Mock 对象在异常处理测试中扮演着重要的角色，尤其是在需要模拟外部依赖抛出异常的场景下。
假设你的代码依赖于一个外部服务，而这个服务可能会抛出异常。你可以使用 unittest.mock 或 pytest-mock 来模拟这个服务的行为。
import pytest from unittest.mock import patch def function_that_calls_external_service(): # 调用外部服务的代码 pass @patch('your_module.external_service.call') def test_external_service_raises_exception(mock_call): mock_call.side_effect = ValueError("External service failed") with pytest.raises(ValueError, match="External service failed"): function_that_calls_external_service()
这里，@patch 装饰器用于替换 your_module.external_service.call 为一个 Mock 对象。mock_call.side_effect 用于指定 Mock 对象的行为，这里我们让它抛出一个 ValueError 异常。然后，我们使用 pytest.raises 来验证 function_that_calls_external_service 是否正确地处理了这个异常。
使用 Mock 对象可以有效地隔离你的代码和外部依赖，使得你可以更专注于测试你的代码本身的异常处理逻辑。
