به علاوه، با pytest، می توانید در کلیه پروژه‌های پایتون مدل ثابتی طراحی اپلیکیشن داشته باشید. شما دو اپ اینترنت در stack خویش دارید؛ یکی از با Django ایجاد شده است و دیگری با Flask تاسیس شده است. سوای pytest، شما به احتمال زیاد از کادر‌ورک آزمایش Django، به یاور اکستنشن Flask، مانند Flask-Testing به کارگیری می کنید. براین اساس گروه‌های آزمایش شما مدل‌های مختلفی دارا هستند. از طرف دیگر، با pytest، دسته‌های آزمایش شما مدل کد ثابتی دارا‌هستند و پریدن از یکی‌از به دیگری را راحت می‌سازد.

Pytest همینطور دارنده یک اکوسیستم افزونه تبارک و با نگهداری جامعه میباشد.

یک سری مثال:

pytest-django. گروه‌ای از ابزارها را که به صورت خاص برای آزمایش نرم افزار‌های Django تشکیل شده‌اند، آماده می‌نماید.

pytest-xdist. برای اجرای آزمایش‌ها به طور برابر به کارگیری می گردد.

pytest-cov. مدد از پوشش کد (code coverage) را اضافه می‌نماید.

pytest-instafail. به جای این که تا نقطه پایان ایفا چشم به راه بماند، فورا ایرادات و باخت‌ها را نشانه می دهد.

Mocking

آزمایش‌های خود کار بایستی سریع، جدا، قابل تکرار/قطعی باشند. به این ترتیب در شرایطی‌که به آزمایش کدی نیاز دارید که HTTP request فرنگی را برای API فرد ثالث می‌سازد، می بایست درخواست را mock نمائید. چرا؟ در‌حالتی که این شغل را نکنید، پس آن آزمایش خاص:

1. از آنجایی که HTTP request در کانال ساخته میشود، نماید میباشد.

2. به خدمت فرد ثالث و سرعت خویش کانال بستگی دارااست.

3. از آنجایی که آزمایش میتواند فیض متفاوتی را مبتنی بر جواب از API ساخت و ساز نماید، غیرقطعی میباشد.

همینطور ایده خیر میباشد که بقیه عملیات زمان بر ایفا را mock فرمایید، مانند کوئری‌های دیتابیس و taskهای async، چون آزمایش‌های خود کار به صورت مکرر، و در هر کامیت push که به سورس در اختیار گرفتن داده می شود، انجام میگردند.

Mocking تمرین جایگزینی آبجکت‌های حقیقی وواقعی با آبجکت‌های mock گردیده است، که در طول انجام خلق و خوی آنها را پیروی می‌نماید. بدین ترتیب به مکان HTTP request حقیقی از روش کانال، زمانی اسلوب mocked فراخوانی میگردد ما تنها جواب آیتم انتظار را برمی‌گردانیم.