测试您的代码

https://farm5.staticflickr.com/4166/34435687940_8f73fc1fa6_k_d.jpg
测试您的代码非常重要。

常常将测试代码和运行代码一起写是一种非常好的习惯。聪明地使用这种方法将会帮助您更加精确地定义代码的含义，并且代码的耦合性更低。

测试的通用规则：

  • 测试单元应该集中于小部分的功能，并且证明它是对的。
  • 每个测试单元必须完全独立。他们都能够单独运行，也可以在测试套件中运行，而不用考虑被调用的顺序。要想实现这个规则，测试单元应该加载最新的数据集，之后再做一些清理。这通常用方法 setUp() 和 tearDown() 处理。
  • 尽量使测试单元快速运行。如果一个单独的测试单元需要较长的时间去运行，开发进度将会延迟，测试单元将不能如期常态性运行。有时候，因为测试单元需要复杂的数据结构，并且当它运行时每次都要加载，所以其运行时间较长。把运行吃力的测试单元放在单独的测试组件中，并且按照需要运行其它测试单元。
  • 学习使用工具，学习如何运行一个单独的测试用例。然后，当在一个模块中开发了一个功能时，经常运行这个功能的测试用例，理想情况下，一切都将自动。
  • 在编码会话前后，要常常运行完整的测试组件。只有这样，您才会坚信剩余的代码不会中断。
  • 实现钩子（hook）是一个非常好的主意。因为一旦把代码放入分享仓库中，这个钩子可以运行所有的测试单元。
  • 如果您在开发期间不得不打断自己的工作，写一个被打断的单元测试，它关于下一步要开发的东西。当回到工作时，您将更快地回到原先被打断的地方，并且步入正轨。
  • 当您调试代码的时候，首先需要写一个精确定位bug的测试单元。尽管这样做很难，但是捕捉bug的单元测试在项目中很重要。
  • 测试函数使用长且描述性的名字。这边的样式指导与运行代码有点不一样，运行代码更倾向于使用短的名字，而测试函数不会直接被调用。在运行代码中，square()或者甚至sqr()这样的命名都是可以的，但是在测试代码中，您应该这样取名test_square_of_number_2()，test_square_negative_number()。当测试单元失败时，函数名应该显示，而且尽可能具有描述性。
  • 当发生了一些问题，或者不得不改变时，如果代码中有一套不错的测试单元，维护将很大一部分依靠测试组件解决问题，或者修改确定的行为。因此测试代码应该尽可能多读，甚至多于运行代码。目的不明确的测试单元在这种情况下没有多少用处。
  • 测试代码的另外一个用处是作为新开发人员的入门介绍。当有人需要基于现有的代码库工作时，运行并且阅读相关的测试代码是最好的做法。他们会或者应该发现大多数困难出现的热点，以及边界的情况。如果他们必须添加一些功能，第一步应该是添加一个测试，以确保新的功能不是一个尚未插入到界面的工作路径。

基本

单元测试

unittest 包括Python标准库中的测试模型。任何一个使用过Junit，nUnit,或CppUnit工具的人对它的API都会比较熟悉。

创建测试用例通过继承 unittest.TestCase 来实现.

  1. import unittest
  2.  
  3. def fun(x):
  4.     return x + 1
  5.  
  6. class MyTest(unittest.TestCase):
  7.     def test(self):
  8.         self.assertEqual(fun(3), 4)

因为Python 2.7单元测试也包括自己的发现机制。

在标准库文档中单元测试

文档测试

doctest 模块查找零碎文本，就像在Python中docstrings内的交互式会话，执行那些会话以证实工作正常。

doctest模块的用例相比之前的单元测试有所不同：它们通常不是很详细，并且不会用特别的用例或者处理模糊的回归bug。作为模块和其部件主要用例的表述性文档，doctest模块非常有用。

函数中的一个简单的doctest:

  1. def square(x):
  2.     """返回 x 的平方。
  3.  
  4.     >>> square(2)
  5.     4
  6.     >>> square(-2)
  7.     4
  8.     """
  9.  
  10.     return x * x
  11.  
  12. if __name__ == '__main__':
  13.     import doctest
  14.     doctest.testmod()

当使用 python module.py 这样的命令行运行这个模块时，doctest将会运行，并会在结果不和文档字符串的描述一致时报错。

工具

py.test

相比于Python标准的单元测试模块,py.test是一个没有模板的选择。

  1. $ pip install pytest

尽管这个测试工具功能完备，并且可扩展，但是它语法很简单。创建一个测试组件和写一个带有诸多函数的模块一样容易：

  1. # content of test_sample.py
  2. def func(x):
  3.     return x + 1
  4.  
  5. def test_answer():
  6.     assert func(3) == 5

运行命令py.test

  1. $ py.test
  2. =========================== test session starts ============================
  3. platform darwin -- Python 2.7.1 -- pytest-2.2.1
  4. collecting ... collected 1 items
  5.  
  6. test_sample.py F
  7.  
  8. ================================= FAILURES =================================
  9. _______________________________ test_answer ________________________________
  10.  
  11.     def test_answer():
  12. >       assert func(3) == 5
  13. E       assert 4 == 5
  14. E        +  where 4 = func(3)
  15.  
  16. test_sample.py:5: AssertionError
  17. ========================= 1 failed in 0.02 seconds =========================

要比单元测试模型中相同功能所要求的工作量少得多。

py.test

Hypothesis

Hypothesis 让您编写被示例源码参数化的测试的库。它会生成简单易懂的例子，使您的测试失败，让您花更少的力气找到更多的错误。

  1. $ pip install hypothesis

例如，测试浮动列表要尝试很多例子，但是会报告每个错误的最小例子（区分异常类型和位置）：

  1. @given(lists(floats(allow_nan=False, allow_infinity=False), min_size=1))
    def test_mean(xs):
        mean = sum(xs) / len(xs)
        assert min(xs) <= mean(xs) <= max(xs)

  1. Falsifying example: test_mean(
  2.     xs=[1.7976321109618856e+308, 6.102390043022755e+303]
  3. )

Hypothesis 是实用的，也是非常强大的，能经常会找出被其他所有形式的测试所遗漏的错误。它能与py.test很好地集成，在简单和高级场景中都非常注重可用性。

hypothesis

tox

tox是自动化测试管理和针对多种解释器配置测试工具。

  1. $ pip install tox

tox允许通过简单的初始化样式配置文件，配置复杂的多参数测试矩阵。

tox

Unittest2

Unittest2是Python2.7中unittest模型的补丁，它的API有所改善，并且对Python之前版本中已有的内容有了更好的说明。

如果使用Python2.6版本或者以下，需要使用pip安装unittest2。

  1. $ pip install unittest2

将来您可能想要以unittest之名导入模块，目的是更容易地把代码移植到新的版本中。

  1. import unittest2 as unittest
  2.  
  3. class MyTest(unittest.TestCase):
  4.     ...

如果切换到新的Python版本，并且不再需要unittest2模块，您只需要在测试模块中改变import内容，而不必改变其它代码。

unittest2

mock

unittest.mock 是Python中用于测试的一个库。在Python3.3版本中，标准库中就有。标准库.

对于Python相对早的版本，如下操作：

  1. $ pip install mock

在测试环境下，使用mock对象能够替换部分系统，并且对它们如何被使用做了声明。例如，您可以对一个方法打猴子补丁：

例如，您可以对一个方法打猴子补丁：

  1. from mock import MagicMock
  2. thing = ProductionClass()
  3. thing.method = MagicMock(return_value=3)
  4. thing.method(3, 4, 5, key='value')
  5.  
  6. thing.method.assert_called_with(3, 4, 5, key='value')

在测试环境下，对于模型中的mock类或对象，使用补丁修饰器。在下面这个例子中，一直返回相同结果的外部查询系统使用mock替换（但仅用在测试期间）。

  1. def mock_search(self):
  2.     class MockSearchQuerySet(SearchQuerySet):
  3.         def __iter__(self):
  4.             return iter(["foo", "bar", "baz"])
  5.     return MockSearchQuerySet()
  6.  
  7. # SearchForm here refers to the imported class reference in myapp,
  8. # not where the SearchForm class itself is imported from
  9. @mock.patch('myapp.SearchForm.search', mock_search)
  10. def test_new_watchlist_activities(self):
  11.     # get_search_results runs a search and iterates over the result
  12.     self.assertEqual(len(myapp.get_search_results(q="fish")), 3)

mock有许多其它方法，您可以配置它，并且控制它的动作。

mock

原文: http://pythonguidecn.readthedocs.io/zh/latest/writing/tests.html