如何测试集成SQLAlchemy的Flask应用？

一、完全可以隔离测试数据库 #

不管用unittest还是pytest，都能轻松实现测试时替换数据库，不碰生产库：

• unittest写法：
  在setUp()方法里直接覆盖Flask应用的数据库配置，换成测试专用库（推荐SQLite内存库，无需手动清理文件），然后创建表；tearDown()里销毁表即可：

  from unittest import TestCase
  from myapp import create_app, db
  
  class TestDBFill(TestCase):
      def setUp(self):
          self.app = create_app({'TESTING': True, 'SQLALCHEMY_DATABASE_URI': 'sqlite:///:memory:'})
          self.app_context = self.app.app_context()
          self.app_context.push()
          db.create_all()
  
      def tearDown(self):
          db.session.remove()
          db.drop_all()
          self.app_context.pop()
  

• pytest fixture写法：
  写一个函数级别的fixture，每次测试都生成全新的测试数据库，自动完成清理：

  import pytest
  from myapp import create_app, db
  
  @pytest.fixture(scope='function')
  def test_app():
      # 加载测试专属配置
      app = create_app({
          'TESTING': True,
          'SQLALCHEMY_DATABASE_URI': 'sqlite:///:memory:'
      })
      with app.app_context():
          db.create_all()
          yield app  # 测试执行时使用该应用实例
          # 测试结束后自动清理
          db.session.remove()
          db.drop_all()
  

  内存库sqlite:///:memory:是最优选择，测试结束后自动销毁，无需手动删文件；如果必须用文件型数据库，测试后直接删除对应文件即可。

二、关于Patching的误解 #

你认为patching只能处理返回对象是错误的，它完全能覆盖数据接收场景，只是要选对使用场景：

• 如果你的数据库填充函数依赖外部服务（比如调用第三方API拉取数据），可以patch这个API调用函数，让它返回模拟数据，再验证填充到测试数据库的内容是否符合预期。
• 如果是直接操作数据库的填充逻辑，不建议用patching，反而应该用上面说的测试数据库实际跑一遍——毕竟你要测试的是填充逻辑本身，用真实的数据库操作才能验证正确性，patch反而会掩盖潜在问题。
• 你试过的flask_testing、pytest fixture都是正确的测试方式，之前出问题大概率是配置没覆盖到位，比如测试时不小心加载了生产环境的数据库配置，导致操作了真实库。

内容的提问来源于stack exchange，提问作者Kate