详解Python中的测试工具

yipeiwu_com6年前Python基础

当我们在写程序的时候,我们需要通过测试来验证程序是否出错或者存在问题,但是,编写大量的测试来确保程序的每个细节都没问题会显得很繁琐。在Python中,我们可以借助一些标准模块来帮助我们自动完成测试过程,比如:

  • unittest: 一个通用的测试框架;
  • doctest: 一个更简单的模块,是为检查文档而设计的,但也非常适合用来编写单元测试。

下面,笔者将会简单介绍这两个模块在测试中的应用。

doctest

doctest模块会搜索那些看起来像是python交互式会话中的代码片段,然后尝试执行并验证结果。下面我们以doctest.testmod为例,函数doctest.testmod会读取模块中的所有文档字符串,查找看起来像是从交互式解释器中摘取的示例,再检查这些示例是否反映了实际情况。

我们先创建示例代码文件test_string_lower.py,完整代码如下:

# -*- coding: utf-8 -*-

def string_lower(string):
  '''
  返回一个字符串的小写
  :param string: type: str
  :return: the lower of input string
  >>> string_lower('AbC')
  'abc'
  >>> string_lower('ABC')
  'abc'
  >>> string_lower('abc')
  'abc'
  '''
  return string.lower()

if __name__ == '__main__':
  import doctest, test_string_lower
  doctest.testmod(test_string_lower)

首先先对程序进行说明,函数string_lower用于返回输入字符串的小写,函数中的注释中,一共包含了3个测试实例,期望尽可能地包含各种测试情况,接着在主函数中导入doctest, test_string_lower,再运行doctest中的testmod函数即可进行测试。

接着,我们开始测试。首先,在命令行中输入 python test_string_lower.py ,运行后会发现什么都没有输出,但这其实是件好事,它表明程序中的所有测试都通过了!那么,如果我们想要获得更多的输出呢?可在运行脚本的时候增加参数 -v ,这时候命令变成 python test_string_lower.py -v ,输出的结果如下:

Trying:
  string_lower('AbC')
Expecting:
  'abc'
ok
Trying:
  string_lower('ABC')
Expecting:
  'abc'
ok
Trying:
  string_lower('abc')
Expecting:
  'abc'
ok
1 items had no tests:
  test_string_lower
1 items passed all tests:
  3 tests in test_string_lower.string_lower
3 tests in 2 items.
3 passed and 0 failed.
Test passed

可以看到,程序测试的背后还是发生了很多事。接着,我们尝试着程序出错的情况,比如我们不小心把函数的返回写成了:

return string.upper()

这其实是返回输入字符串的大写了,而我们测试的实例却返回了输入字符串的小写,再运行该脚本(加上参数 -v ),输出的结果如下:

Failed example:
  string_lower('abc')
Expected:
  'abc'
Got:
  'ABC'
1 items had no tests:
  test_string_lower
**********************************************************************
1 items had failures:
  3 of  3 in test_string_lower.string_lower
3 tests in 2 items.
0 passed and 3 failed.
***Test Failed*** 3 failures.

这时候,程序测试失败,它不仅捕捉到了bug,还清楚地指出错误出在什么地方。我们不难把这个程序修改过来。

关于doctest模块的更详细的使用说明,可以参考网址: https://docs.python.org/2/lib... 。

unittest

 unittest类似于流行的Java测试框架JUnit,它比doctest更灵活,更强大,能够帮助你以结构化的方式来编写庞大而详尽的测试集。

我们以一个简单的示例入手,首先我们编写my_math.py脚本,代码如下:

# -*- coding: utf-8 -*-
def product(x, y):
  '''
  :param x: int, float
  :param y: int, float
  :return: x * y
  '''
  return x * y

该函数实现的功能为:输入两个数x, y, 返回这两个数的乘积。接着是test_my_math.py脚本,完整的代码如下:

import unittest, my_math

class ProductTestcase(unittest.TestCase):

  def setUp(self):
    print('begin test')

  def test_integers(self):
    for x in range(-10, 10):
      for y in range(-10, 10):
        p = my_math.product(x, y)
        self.assertEqual(p, x*y, 'integer multiplication failed')

  def test_floats(self):
    for x in range(-10, 10):
      for y in range(-10, 10):
        x = x/10
        y = y/10
        p = my_math.product(x, y)
        self.assertEqual(p, x * y, 'integer multiplication failed')

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

函数unittest.main负责替你运行测试:在测试方法前执行setUp方法,示例化所有的TestCase子类,并运行所有名称以test打头的方法。assertEqual方法检车指定的条件(这里是相等),以判断指定的测试是成功了还是失败了。

接着,我们运行前面的测试,输出的结果如下:

begin test
.begin test
.
----------------------------------------------------------------------
Ran 2 tests in 0.001s

OK

可以看到,该程序运行了两个测试,每个测试前都会输出'begin test', . 表示测试成功,若测试失败,则返回的是 F 。

接着模拟测试出错的情形,将my_math函数中的product方法改成返回:

return x + y

再运行测试脚本,输出的结果如下:

begin test
Fbegin test
F
======================================================================
FAIL: test_floats (__main__.ProductTestcase)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "test_my_math.py", line 20, in test_floats
    self.assertEqual(p, x * y, 'integer multiplication failed')
AssertionError: -2.0 != 1.0 : integer multiplication failed

======================================================================
FAIL: test_integers (__main__.ProductTestcase)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "test_my_math.py", line 12, in test_integers
    self.assertEqual(p, x*y, 'integer multiplication failed')
AssertionError: -20 != 100 : integer multiplication failed

----------------------------------------------------------------------
Ran 2 tests in 0.001s

FAILED (failures=2)

两条测试都未通过,返回的是 F ,并帮助你指出了错误的地方,接下来,你应该能快速地修复这个bug。

关于unittest模块的更加详细的说明,可以参考网址: https://docs.python.org/3/lib... 。

总结

以上所述是小编给大家介绍的Python中的测试工具,希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会技术回复大家的!

相关文章

Python算法输出1-9数组形成的结果为100的所有运算式

问题: 编写一个在1,2,…,9(顺序不能变)数字之间插入+或-或什么都不插入,使得计算结果总是100的程序,并输出所有的可能性。例如:1 + 2 + 34–5 + 67–8 + 9 =...

举例简单讲解Python中的数据存储模块shelve的用法

shelve类似于一个key-value数据库,可以很方便的用来保存Python的内存对象,其内部使用pickle来序列化数据,简单来说,使用者可以将一个列表、字典、或者用户自定义的类实...

对python 数据处理中的LabelEncoder 和 OneHotEncoder详解

如下所示: #简单来说 LabelEncoder 是对不连续的数字或者文本进行编号 from sklearn.preprocessing import LabelEncoder le...

python验证码识别实例代码

本文研究的主要是Python验证码识别的相关代码,具体如下。 Talk is cheap, show you the Code! import numpy as np import...

利用Python代码实现数据可视化的5种方法详解

利用Python代码实现数据可视化的5种方法详解

前言 数据科学家并不逊色于艺术家。他们用数据可视化的方式绘画,试图展现数据内隐藏的模式或表达对数据的见解。更有趣的是,一旦接触到任何可视化的内容、数据时,人类会有更强烈的知觉、认知和交流...