코드 품질을 향상시키는 강력한 Python 테스트 전략

저는 Python 개발자로서 강력한 테스트 전략을 구현하는 것이 코드 품질과 안정성을 유지하는 데 중요하다는 사실을 깨달았습니다. 수년에 걸쳐 저는 테스트 방식을 크게 개선한 다양한 기술과 도구를 탐색해 왔습니다. 코드 품질을 높이는 데 도움이 될 수 있는 8가지 강력한 Python 테스트 전략에 대한 통찰력을 공유하겠습니다.

Pytest는 단순성과 확장성으로 인해 제가 선호하는 테스트 프레임워크입니다. 고정 시스템은 특히 강력하여 테스트 환경을 효율적으로 설정하고 해체할 수 있습니다. 다음은 제가 조명기를 사용하는 방법의 예입니다:

import pytest

@pytest.fixture
def sample_data():
    return [1, 2, 3, 4, 5]

def test_sum(sample_data):
    assert sum(sample_data) == 15

def test_length(sample_data):
    assert len(sample_data) == 5

Pytest의 매개변수화 기능은 또 다른 보석입니다. 이를 통해 여러 입력으로 동일한 테스트를 실행할 수 있어 코드 중복이 줄어듭니다.

import pytest

@pytest.mark.parametrize("input,expected", [
    ("hello", 5),
    ("python", 6),
    ("testing", 7)
])
def test_string_length(input, expected):
    assert len(input) == expected

pytest의 플러그인 생태계는 방대하며 다양한 테스트 요구에 맞는 솔루션을 제공합니다. 제가 가장 좋아하는 것 중 하나는 코드 적용 범위 분석을 위한 pytest-cov입니다.

가설 라이브러리를 사용한 속성 기반 테스트는 내 테스트 접근 방식의 판도를 바꿔 놓았습니다. 자동으로 테스트 사례를 생성하며 종종 내가 생각하지 못했던 극단적인 사례를 발견합니다.

from hypothesis import given, strategies as st

@given(st.lists(st.integers()))
def test_sum_of_list_is_positive(numbers):
    assert sum(numbers) >= 0 or sum(numbers) < 0

모의 및 패치는 테스트 중에 코드 단위를 격리하는 데 필수적인 기술입니다. unittest.mock 모듈은 이러한 목적을 위한 강력한 도구를 제공합니다:

from unittest.mock import patch

def get_data_from_api():
    # Actual implementation would make an API call
    pass

def process_data(data):
    return data.upper()

def test_process_data():
    with patch('__main__.get_data_from_api') as mock_get_data:
        mock_get_data.return_value = "test data"
        result = process_data(get_data_from_api())
        assert result == "TEST DATA"

코드 베이스에서 테스트되지 않은 부분을 식별하려면 코드 적용 범위를 측정하는 것이 중요합니다. 나는 포괄적인 적용 범위 보고서를 생성하기 위해 pytest와 함께 Coverage.py를 사용합니다.

# Run tests with coverage
# pytest --cov=myproject tests/

# Generate HTML report
# coverage html

Behavior를 사용한 행동 중심 개발(BDD)은 기술적 이해관계자와 비기술적 이해관계자 간의 격차를 줄이는 데 도움이 되었습니다. 자연어로 테스트를 작성하면 의사소통과 이해가 향상됩니다.

# features/calculator.feature
Feature: Calculator
  Scenario: Add two numbers
    Given I have entered 5 into the calculator
    And I have entered 7 into the calculator
    When I press add
    Then the result should be 12 on the screen

# steps/calculator_steps.py
from behave import given, when, then
from calculator import Calculator

@given('I have entered {number:d} into the calculator')
def step_enter_number(context, number):
    if not hasattr(context, 'calculator'):
        context.calculator = Calculator()
    context.calculator.enter_number(number)

@when('I press add')
def step_press_add(context):
    context.result = context.calculator.add()

@then('the result should be {expected:d} on the screen')
def step_check_result(context, expected):
    assert context.result == expected

성능 테스트는 간과되는 경우가 많지만 효율적인 코드를 유지하는 데 매우 중요합니다. 저는 실행 시간을 측정하고 비교하기 위해 pytest-benchmark를 사용합니다:

def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

def test_fibonacci_performance(benchmark):
    result = benchmark(fibonacci, 10)
    assert result == 55

mutmut과 같은 도구를 사용한 돌연변이 테스트는 테스트 도구 모음의 품질을 평가하는 데 있어 매우 큰 도움이 되었습니다. 코드에 작은 변경(변형)을 도입하고 테스트에서 이러한 변경 사항을 포착하는지 확인합니다.

mutmut run --paths-to-mutate=myproject/

시스템의 여러 부분이 올바르게 함께 작동하는지 확인하려면 통합과 엔드투엔드 테스트가 필수적입니다. 웹 애플리케이션의 경우 Selenium을 자주 사용합니다.

from selenium import webdriver
from selenium.webdriver.common.keys import Keys

def test_search_in_python_org():
    driver = webdriver.Firefox()
    driver.get("http://www.python.org")
    assert "Python" in driver.title
    elem = driver.find_element_by_name("q")
    elem.clear()
    elem.send_keys("pycon")
    elem.send_keys(Keys.RETURN)
    assert "No results found." not in driver.page_source
    driver.close()

특히 대규모 프로젝트에서 테스트 스위트를 건전하게 유지하려면 테스트를 효과적으로 구성하는 것이 중요합니다. 저는 기본 애플리케이션 코드를 반영하는 구조를 따릅니다.

myproject/
    __init__.py
    module1.py
    module2.py
    tests/
        __init__.py
        test_module1.py
        test_module2.py

지속적 통합(CI)은 테스트 전략에서 중요한 역할을 합니다. 저는 Jenkins나 GitHub Actions와 같은 도구를 사용하여 모든 커밋에 대해 자동으로 테스트를 실행합니다.

import pytest

@pytest.fixture
def sample_data():
    return [1, 2, 3, 4, 5]

def test_sum(sample_data):
    assert sum(sample_data) == 15

def test_length(sample_data):
    assert len(sample_data) == 5

건강한 테스트 스위트를 유지하려면 정기적인 주의가 필요합니다. 나는 주기적으로 테스트를 검토 및 업데이트하고, 오래된 테스트를 제거하고, 새로운 기능이나 발견된 버그에 대한 새로운 테스트를 추가합니다. 또한 빠른 단위 테스트와 느린 통합 테스트를 분리하여 테스트 실행 시간을 합리적으로 유지하려고 노력합니다.

테스트 중심 개발(TDD)은 내 작업 흐름의 필수적인 부분이 되었습니다. 기능을 구현하기 전에 테스트를 작성하면 요구 사항을 명확히 하고 더 나은 인터페이스를 디자인하는 데 도움이 됩니다.

import pytest

@pytest.mark.parametrize("input,expected", [
    ("hello", 5),
    ("python", 6),
    ("testing", 7)
])
def test_string_length(input, expected):
    assert len(input) == expected

퍼즈 테스트는 특히 입력 구문 분석 및 처리 기능에 유용하다고 생각하는 또 다른 기술입니다. 잠재적인 취약점이나 버그를 찾기 위해 무작위 또는 예상치 못한 입력을 제공하는 것이 포함됩니다.

from hypothesis import given, strategies as st

@given(st.lists(st.integers()))
def test_sum_of_list_is_positive(numbers):
    assert sum(numbers) >= 0 or sum(numbers) < 0

테스트에서 외부 종속성을 처리하는 것은 어려울 수 있습니다. 저는 코드를 더 쉽게 테스트할 수 있도록 종속성 주입을 자주 사용합니다.

from unittest.mock import patch

def get_data_from_api():
    # Actual implementation would make an API call
    pass

def process_data(data):
    return data.upper()

def test_process_data():
    with patch('__main__.get_data_from_api') as mock_get_data:
        mock_get_data.return_value = "test data"
        result = process_data(get_data_from_api())
        assert result == "TEST DATA"

Python에서 비동기 프로그래밍이 증가하면서 비동기 코드 테스트가 점점 더 중요해지고 있습니다. pytest-asyncio 플러그인은 이를 위해 매우 중요했습니다.

# Run tests with coverage
# pytest --cov=myproject tests/

# Generate HTML report
# coverage html

강력한 코드를 위해서는 오류 처리 및 극단적인 경우를 테스트하는 것이 중요합니다. 예상되는 예외 및 경계 조건에 대한 테스트를 반드시 포함합니다.

# features/calculator.feature
Feature: Calculator
  Scenario: Add two numbers
    Given I have entered 5 into the calculator
    And I have entered 7 into the calculator
    When I press add
    Then the result should be 12 on the screen

pytest의 매개변수화된 픽스처를 사용하면 더욱 유연하고 재사용 가능한 테스트 설정이 가능합니다.

# steps/calculator_steps.py
from behave import given, when, then
from calculator import Calculator

@given('I have entered {number:d} into the calculator')
def step_enter_number(context, number):
    if not hasattr(context, 'calculator'):
        context.calculator = Calculator()
    context.calculator.enter_number(number)

@when('I press add')
def step_press_add(context):
    context.result = context.calculator.add()

@then('the result should be {expected:d} on the screen')
def step_check_result(context, expected):
    assert context.result == expected

데이터베이스 종속 테스트의 경우 테스트 격리와 속도를 보장하기 위해 메모리 내 데이터베이스를 사용하거나 임시 데이터베이스를 만듭니다.

def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

def test_fibonacci_performance(benchmark):
    result = benchmark(fibonacci, 10)
    assert result == 55

시각적 회귀 테스트는 웹 애플리케이션에서 예상치 못한 UI 변경 사항을 포착하는 데 유용했습니다. 시각적 비교 라이브러리와 결합된 pytest-playwright와 같은 도구를 사용하면 이 프로세스를 자동화할 수 있습니다.

mutmut run --paths-to-mutate=myproject/

이러한 테스트 전략을 구현함으로써 Python 프로젝트의 품질과 안정성이 크게 향상되었습니다. 테스트는 지속적인 프로세스이며 사용하는 특정 전략은 프로젝트 요구 사항에 따라 발전해야 한다는 점을 기억하는 것이 중요합니다. 테스트 접근 방식을 정기적으로 검토하고 개선하면 코드베이스가 시간이 지나도 견고하고 유지 관리 가능한 상태로 유지되는 데 도움이 됩니다.

---

101권

101 Books는 작가 Aarav Joshi가 공동 창립한 AI 기반 출판사입니다. 고급 AI 기술을 활용하여 출판 비용을 믿을 수 없을 정도로 낮게 유지합니다. 일부 도서의 가격은 $4만큼 저렴하여 모든 사람이 양질의 지식에 접근할 수 있습니다.

아마존에서 구할 수 있는 Golang Clean Code 책을 확인해 보세요.

업데이트와 흥미로운 소식을 계속 지켜봐 주시기 바랍니다. 책을 쇼핑할 때 Aarav Joshi를 검색해 더 많은 책을 찾아보세요. 제공된 링크를 이용하여 특별할인을 즐겨보세요!

우리의 창조물

저희 창작물을 꼭 확인해 보세요.

인베스터 센트럴 | 투자자 중앙 스페인어 | 중앙 독일 투자자 | 스마트리빙 | 시대와 메아리 | 수수께끼의 미스터리 | 힌두트바 | 엘리트 개발자 | JS 학교

---

우리는 중간에 있습니다

테크 코알라 인사이트 | Epochs & Echoes World | 투자자중앙매체 | 수수께끼 미스터리 매체 | 과학과 신기원 매체 | 현대 힌두트바

위 내용은 코드 품질을 향상시키는 강력한 Python 테스트 전략의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!