环境准备：Python 环境安装、虚拟环境管理、依赖管理（Poetry / Pipenv）

说到搭 SDK 测试框架，第一件事不是写代码，而是把自家的工具链收拾利索。Python 版本、虚拟环境、依赖管理，这三个东西没搞对，后面所有自动化测试脚本都得翻车。我刚开始做 SDK 测试的时候，就是直接在系统 Python 里 pip install 一堆包，结果不同项目相互踩踏，修依赖修到怀疑人生。后来踩了坑才明白，环境准备这一步，值得花半小时认真整。

Python 环境安装：选对版本，少走弯路

我个人的习惯是，给 SDK 测试项目单独配一个 Python 版本，不要用系统自带的 2.7 或者过老的 3.6。现在主流 SDK 测试框架基本都要求 Python ≥ 3.8，推荐 3.10 或 3.11。为什么？

  • 3.8～3.11 是目前大多数第三方库的适配目标，遇到兼容性问题容易搜到解决方案。
  • 3.10+ 引入了很多类型注解和性能改进，写测试用例时更顺手。
  • 3.12 刚出，有些老旧测试工具还没跟上，暂不建议用于生产级测试框架。

要点：不要用 Python 2.7 写新项目，SDK 厂商基本都停止支持了。我用 pyenv 管理多版本，切换到 3.10 只用一行命令。

安装完成后，执行 python --version 和 pip --version，确认路径正确。我曾经在 Windows 上碰到过系统里三个 Python 互相打架，最后不得不全清掉重装。建议用 pyenv（macOS/Linux）或 Python 官方安装器（Windows）一路默认，省心。

虚拟环境管理：隔离依赖的小盒子

说白了，虚拟环境就是给每个项目划一个独立的小房间，房间里的包互不干扰。SDK 测试框架通常依赖几十个包，项目之间版本冲突太常见了。比如一个项目要 requests 2.25，另一个要 3.0，不隔离就直接崩。

Python 自带的 venv 就够用，但我推荐加上 virtualenv，因为它的性能更好、支持 Python 版本更广。用法很简单：

# 创建虚拟环境
python -m venv sdk_test_env

# 激活（Windows）
sdk_test_env\Scripts\activate

# 激活（macOS/Linux）
source sdk_test_env/bin/activate

小技巧：我习惯在项目根目录下建一个 .venv 文件夹，然后配合 IDE 自动识别。这样团队成员 clone 代码后，直接激活就行。

注意：激活后终端前面会多出 (sdk_test_env) 提示。如果没出现，检查一下是否运行了正确的运行脚本。我曾经有次在 Windows 上用错了 PowerShell 的执行策略，导致激活失败，折腾了半天。

依赖管理：Poetry 与 Pipenv 对比

光有虚拟环境还不够，还得有个工具帮我们把依赖版本「锁死」。否则今天装的是 1.0，明天队友装了 1.1，测试结果不一样，坑就大了。社区里最常见的两个选手是 Poetry 和 Pipenv。我自己两个都用过，现在偏向 Poetry。下面这张表从几个关键维度对比：

对比项 Poetry Pipenv
锁文件格式 poetry.lock（完整锁，精确至哈希） Pipfile.lock（兼容 Pipfile）
依赖解析速度 较快，使用 SAT 求解器 中等，部分场景慢
项目结构 pyproject.toml（标准） Pipfile + setup.py 可选
构建与发布 内置 build 和 publish 通常需额外工具
社区活跃度 高，PyPI 官方推荐 维护放缓，部分 issue 停滞
虚拟环境管理 自动创建，集成 in-project 自动创建，但配置稍多

看得差不多了吧？我个人经验是：如果是新项目，直接上 Poetry。它把依赖管理、虚拟环境、打包发布都整合在 pyproject.toml 里，很优雅。如果你的团队历史项目用了 Pipenv，也没必要硬改，保持工具统一就行。但注意，Pipenv 的 Pipfile 和 Poetry 的格式不兼容，迁移时要小心。

实操：用 Poetry 搭建测试环境

我用 Poetry 来演示一下完整的依赖管理流程。假设我们要给一个 SDK 测试框架搭建环境：

  1. 安装 Poetry（推荐使用官方脚本，避免系统 Python 污染）
curl -sSL https://install.python-poetry.org | python3 -
  1. 初始化项目
cd sdk_test_framework
poetry init --no-interaction

这会生成 pyproject.toml 文件，里面记录项目元数据和依赖声明。

  1. 添加测试框架依赖（比如 pytest、requests、allure-pytest）
poetry add pytest requests allure-pytest

这步会自动解析依赖树，生成 poetry.lock 锁文件。以后团队其他人执行 poetry install 就能安装一模一样的环境。

  1. 激活虚拟环境并运行测试
poetry shell    # 激活
pytest tests/   # 跑测试

如果不想进入 shell，也可以直接 poetry run pytest tests/，效果一样。

注意：Poetry 默认会在你系统缓存目录创建虚拟环境，不放在项目里。如果你想让 .venv 在项目目录内被 IDE 识别，需要执行：poetry config virtualenvs.in-project true。这是我的血泪教训。

避坑指南：我曾踩过的两个大坑

  • 不要混用 pip 和 Poetry。 同一个项目里，用 Poetry 管理依赖就不要手动 pip install，否则锁文件会不一致，导致 CI 构建出异常。我曾经在本地手动 pip 装了个调试工具，结果把 poetry.lock 搞乱了，队友拉代码后一直报版本冲突。
  • 虚拟环境别忘激活。 这在 CI 脚本里特别容易出问题。如果你的测试脚本没有用 poetry run 或 source .venv/bin/activate，依赖会装到系统 Python，CI 和本地结果不一样。最安全的做法是：在 Makefile 或 shell 脚本里强制使用 poetry run 执行所有 Python 命令。

知识体系总览

下面这张图梳理了本章涉及的核心流程：从安装 Python 到用 Poetry 管理依赖，最终锁定版本并交付测试。

环境准备核心流程 环境准备核心流程 安装 Python 3.10+ 创建并激活虚拟环境 (venv) 选择 Poetry / Pipenv 初始化项目 → 锁文件 (poetry.lock) 输出产物 pyproject.toml poetry.lock .venv 文件夹

你想想看，只要走通这个流程，团队里所有人本地和 CI 的环境就一模一样了。SDK 兼容测试最怕的就是「我本地能跑，你那就报错」，环境统一可以干掉 80% 的这种问题。

小结（其实不算小结）

环境准备这部分，说白了就是两件事：

  • 隔离：虚拟环境把项目依赖锁在小盒子里。
  • 锁定：Poetry/Pipenv 用锁文件确保版本不飘。

搞定了这两个，后面写测试代码、跑自动化脚本才不会突然被「依赖异常」砸一脸。我每次接手新项目，第一步永远是检查 .venv 和 poetry.lock 是否合规，这比看代码还重要。嗯，接下来你可以照着这流程，在自己的机器上搭一遍试试。

← 上一章 📖 返回目录 下一章 →