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
本文介绍了两个 Python 中的测试工具:doctest 和 unittest,并配以简单的例子来说明这两个测试模块的使用方法,希望能对读者有所帮助~
注意:不妨了解下笔者的微信公众号:Python 爬虫与算法(微信号为:easy_web_scrape),欢迎大家关注~