Tipps zum Unit-Testen in Python

Python ist eine Programmiersprache auf hohem Niveau. Aufgrund ihrer Eigenschaften wie leicht zu erlernen, leicht zu verstehen, leicht zu lesen und leicht zu erweitern, ist sie zur bevorzugten Sprache in den Bereichen Datenwissenschaft, Netzwerkprogrammierung, Webentwicklung und Maschinen geworden Lernen und anderen Bereichen und ist weit verbreitet. Unit-Tests sind jedoch immer eine notwendige Aufgabe, unabhängig von der Entwicklung irgendeiner Art von Anwendung.

Unit-Testing ist eine Softwaretesttechnik, die die kleinste Codeeinheit (sogenannte „Einheit“) in einer Anwendung untersucht. Der Zweck der Ausführung von Komponententests besteht darin, festzustellen, ob die Codeeinheit unter den richtigen Umständen ausgeführt wird, und zu prüfen, ob die Codeeinheit Ausnahmen ordnungsgemäß behandelt, wenn Ausnahmen auftreten.

Python bietet viele Frameworks zum Testen von Python-Anwendungen (wie Unittest, Nose, Pytest usw.). In diesem Artikel stellen wir einige Unit-Testtechniken in Python vor.

1. Unittest-Framework verwenden

unittest ist Pythons integriertes Unit-Test-Framework. Es bietet eine vollständige Testumgebung, die verschiedene Testfälle und Testsuiten schreiben und automatisch ausführen kann. Der Kern des Unittest-Frameworks ist die TestCase-Klasse. Wenn eine Testklasse von der TestCase-Klasse erbt, verfügt sie über Testmethoden, die beim Ausführen der Testsuite automatisch aufgerufen werden.

Dies ist ein einfaches Unittest-Beispiel:

import unittest

def sum(a, b):
    return a + b

class TestSum(unittest.TestCase):
    def test_sum(self):
        self.assertEqual(sum(1, 2), 3, "Sum should return 3")
        self.assertEqual(sum(0, 0), 0, "Sum should return 0")
        self.assertEqual(sum(-1, 1), 0, "Sum should return 0")

if __name__ == '__main__':
    unittest.main()

In diesem Beispiel definieren wir eine Funktion namens sum, die zwei Zahlen addiert, und schreiben dann eine Testklasse, die von unittest.TestCase erbt, wobei eine test_sum-Methode enthalten ist, die die AssertEqual-Anweisung verwendet um zu testen, ob die Summenfunktion wie erwartet funktioniert. Abschließend rufen wir die Funktion unittest.main() auf, um den Testfall auszuführen.

2. Mocks verwenden

Eines der größten Probleme beim Schreiben von Unit-Tests ist das Testen von Abhängigkeiten wie Datenbankverbindungen, Webdiensten, Datei-E/A, Netzwerkanforderungen usw. Mithilfe von Scheinbibliotheken können diese Abhängigkeiten simuliert und eine zuverlässige Kontrollumgebung für Tests bereitgestellt werden. Das Mock-Modul stellt eine Mock-Klasse bereit, mit der jedes Python-Objekt ersetzt werden kann.

Dies ist ein einfaches Scheinbeispiel:

from unittest.mock import MagicMock

def test_divide_magicmock():
    calculator = Calculator()
    calculator.divide = MagicMock(return_value=2)
    assert calculator.divide(8, 4) == 2
    calculator.divide.assert_called_once_with(8, 4)

In diesem Beispiel verwenden wir die MagicMock-Klasse, um die Divisionsmethode in der Calculator-Klasse zu ersetzen und anzugeben, dass ihr Rückgabewert 2 ist. Anschließend rufen wir die Divide-Methode auf und überprüfen, ob sie die richtigen Parameter aufruft und den erwarteten Wert zurückgibt.

3. Coverage.py verwenden

Coverage.py ist ein Tool in Python zur Bewertung der Codeabdeckung. Es kann verwendet werden, um ungetestete Codezeilen zu identifizieren, sodass beim Schreiben von Komponententests mehr Testfälle eingeführt werden können. Coverage.py ermittelt, welcher Code in einer Python-Anwendung ausgeführt wurde und welcher Code nicht ausgeführt wurde. Es generiert einen HTML-Bericht, der Entwicklern ein besseres Verständnis der Codeabdeckung vermittelt und detaillierte Statistiken zur Codetestabdeckung bereitstellt.

Hier ist ein Beispiel für Coverage.py:

pip install coverage

coverage run my_program.py
coverage report -m

In diesem Beispiel haben wir Coverage.py installiert, dann den Befehl Coverage Run verwendet, um das Skript my_program.py auszuführen, und den Befehl Coverage Report verwendet, um den Coverage-Bericht zu generieren.

4. Zufällige Testdaten generieren

Die Quantität und Qualität der Testdaten sind entscheidend für die Qualität von Unit-Tests. Um die Testdaten repräsentativer zu machen und mehr Randfälle abzudecken, können wir das in Python integrierte Zufallsmodul verwenden, um zufällige Testdaten zu generieren.

Hier ist ein Beispiel für einen Zufallstestdatengenerator:

import random

def generate_random_data():
    return random.randint(1, 100), random.randint(1, 100)

class TestSum(unittest.TestCase):
    def test_sum(self):
        a, b = generate_random_data()
        result = sum(a, b)
        self.assertEqual(result, a + b)

In diesem Beispiel verwenden wir das Zufallsmodul, um zwei zufällige ganze Zahlen zu generieren und testen dann, ob die Summenfunktion ihre Summe korrekt zurückgibt.

5. Pytest verwenden

Pytest ist ein erweiterbares Python-Testframework. pytest ist ein einfacheres und flexibleres Framework, das Entwicklern hilft, effiziente Unit-Tests zu schreiben. Es bietet die folgenden Funktionen:

• Automatische Erkennung von Testmodulen und Testfunktionen.
• Unterstützt parametrisierte Tests.
• Unterstützt die Wiederholung fehlgeschlagener Tests.
• Unterstützen Sie die Ausführung von Testfällen in mehreren Prozessen, beschleunigen Sie Tests und verkürzen Sie die Testzeit

Dies ist ein Beispiel für ein einfaches Python-Unit-Test-Framework mit Pytest:

pip install pytest

pytest test_sample.py

In diesem Beispiel haben wir das Pytest-Framework installiert und Pytest verwendet Führen Sie unser Testskript aus.

Zusammenfassung

In diesem Artikel werden verschiedene Unit-Testtechniken in Python vorgestellt, darunter die Verwendung des Unittest-Frameworks, des Mock-Tools Coverage.py und die Generierung zufälliger Testdaten. Diese Tipps können Python-Entwicklern dabei helfen, effizientere und umfassendere Unit-Tests zu schreiben. Wenn Sie mit dem Schreiben von Python-Unit-Tests beginnen möchten, sollten Sie diese Tipps in Betracht ziehen, um die Qualität Ihrer Unit-Tests zu verbessern.

Das obige ist der detaillierte Inhalt vonTipps zum Unit-Testen in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!