测试Python代码

作为程序员，懂得测试，这是必须的职业技能。很遗憾，我以前从未意识到这点，因此经历了很多叫苦不迭的开发生涯。当然了，期望每个人都成为测试高手也是不可能的，但是最基本的单元测试啥的是不惜的，尤其是现在中小公司测试开发不分家的情况下，懂得测试简直是优秀程序员的标志啊。这篇博客就介绍一下Python的测试方法，主要是单元测试。

mock

在介绍具体的测试方法之前，先介绍一下mock，简单来说，mock的作用就是要达到一种挂羊头卖狗肉的效果。例如，你想测试一个web客户端，如果为了测试去搭建一个真实的web服务器，这个代价就太大了。这时候，我们就可以创建一个mock对象，通过一些接口模拟一个web服务器，从而简化了测试的难度，而且这样一个mock对象，可控性很好，模拟延时、断线等都非常简单，而如果是真实的服务器程序就要麻烦的多了。

Tim Mackinnon总结了一些需要使用mock对象的情况：

1、真实对象具有不可确定的行为(产生不可预测的结果，如股票的行情)

2、真实对象很难被创建(比如具体的web容器)

3、真实对象的某些行为很难触发(比如网络错误)

4、真实情况令程序的运行速度很慢

5、真实对象有用户界面

6、测试需要询问真实对象它是如何被调用的(比如测试可能需要验证某个回调函数是否被调用了)

7、真实对象实际上并不存在(当需要和其他开发小组，或者新的硬件系统打交道的时候，这是一个普遍的问题)

Python中的mock模块就是这个作用，使用pip install mock就可以安装，在3.3之后，这个模块归入了后边要讲的unittest模块，也成了标准库的一部分了。

下面的内容基本都是mock文档中的东西，简单翻译一下放在这里。

Mock和 MagicMock是mock模块中核心的两个类，当你访问这些类的实例对象的某个属性时，这些对象会为你创建这些属性（如果不存在）并且会记录下你使用这些属性的方式。你可以指定这些对象被调用时的返回值或者可用的属性，然后使用断言对结果进行验证。你也可以使用side_effect来抛出异常或者是mock对象被调用时返回不同的值。

>>> from mock import MagicMock
>>> thing = ProductionClass()
# 设定返回值为3
>>> thing.method = MagicMock(return_value=3)
>>> thing.method(3, 4, 5, key='value') # 注意调用参数
# 可以使用断言判断返回值是否为3
3
>>> thing.method.assert_called_with(3, 4, 5, key='value') #验证调用参数是否正确

>>> mock = Mock(side_effect=KeyError('foo'))
>>> mock()
Traceback (most recent call last):
 ...
KeyError: 'foo'

>>> values = {'a': 1, 'b': 2, 'c': 3}
>>> def side_effect(arg):
...     return values[arg]
...
>>> mock.side_effect = side_effect
>>> mock('a'), mock('b'), mock('c')
(1, 2, 3)
>>> mock.side_effect = [5, 4, 3, 2, 1]
>>> mock(), mock(), mock()
(5, 4, 3)

　　使用patch装饰器可以很容易的模拟一个类或者其对象。

>>> from mock import patch
>>> @patch('module.ClassName2')
... @patch('module.ClassName1')
... def test(MockClass1, MockClass2):
...     module.ClassName1()
...     module.ClassName2()

...     assert MockClass1 is module.ClassName1
...     assert MockClass2 is module.ClassName2
...     assert MockClass1.called
...     assert MockClass2.called
...
>>> test()

　　

doctest

doctest是Python中非常基本的一个测试方式，从名字可以看得出来，它是基于文档的测试，那么是这个文档有什么格式要求呢？简单的说就是测试用例都要写的和python交互方式下的输入输出一致，而其他格式的文字这可以当作是注释。假设文件shape.txt的内容如下

我们想要测试一个模块shape，其中有一个类Point和Circle。类Point代表一个二维空间中的点，而Circle这代表一个圆形，其拥有一个方法area返回计算其面积

>>> import shape
>>> circle = shape.Circle(x=5, y=5, radius=5)
>>> circle.x
5
>>> circle.y
5
>>> circle.radius
5
>>> circle.area()
78.53981633974483

　　运行python -m doctest shape.txt 即可进行doctest。简单来说，doctest就像是个Python的命令行一样，把<<<之后的内容执行，然后与紧随在之后的输出进行对比。如执行circle.x，判断是不是为5，执行circle.area()，看起结果是否等于78.53981633974483

 

unittest

doctest虽然简单易用，但是当测试用例需要很多准备工作时，就显得力不从心，这是就该unittest大显身手的时候了。关于unittest，这篇文章就不说了，说多了没用，实干出真知。

转载于:https://www.cnblogs.com/jimmychange/p/3511310.html