Python中的测试工具

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_lowerdoctest.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：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
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/library/doctest.html 。

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：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
import unittest, my_mathclass 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/10y = y/10p = 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 0.001sOK

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_floatsself.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_integersself.assertEqual(p, x*y, 'integer multiplication failed')
AssertionError: -20 != 100 : integer multiplication failed----------------------------------------------------------------------
Ran 2 tests in 0.001sFAILED (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/library/unittest.html 。

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～

Python中的测试工具相关推荐

python代码测试工具模块_详解Python中的测试工具
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 ...
python如何测试仪器_Python中的测试工具
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 ...
python gui测试工具_在Suse10下尝试dogtail(一个python的GUI测试工具..
你的位置: 技术文档 -> Python -> 文档详情在Suse10下尝试dogtail(一个python的GUI测试工具.. 零简介: DogTail是一个用python写的,自动 ...
在Python中没有测试[重复]
本文翻译自:not None test in Python [duplicate] This question already has an answer here: 这个问题在这里已有答案: Pyt ...
Python双串口测试工具
这是一个针对特定应用的测试工具,主要实现两个串口设备之间自动通讯与测试. 界面如下: 代码如下: #!/usr/bin/env python # coding=utf-8import serial i ...
Python网络质量测试工具增加乱序统计
半月月前,我用Python写了一个工具,可以测试网络的纯丢包率以及探测网络路径中的队列情况,经过一些使用者的反馈,还算比较好用,关于这个工具,请参见< 动手写一个探测网络质量(丢包率/RTT/队 ...
go python php 压力测试_pyLot 基于python的压力测试工具
因为组内的产品是一个供上海甚至全球所有designer使用的网站,所以并发性很高,于是一直存在访问速度不佳的诟病.为了提高访问速度,就需要对该网站的性能进行测试.于是在网上查了并发性测试和自动化测试的 ...
python硬件测试开发_用python实现高性能测试工具（一）
做过几年开发或者测试开发的人员,时常会觉得很迷茫,新功能的开发或者老功能的维护,基本是在堆代码了.本文主要讲述在系统设计和架构方面的性能优化供大家学习, 有些内容涉及到具体产品,做了些改动或者单独写了 ...
在python中使用什么工具管理模块_怎么使用Python pip（管理模块工具）
怎么使用Python pip(管理模块工具) 发布时间:2020-08-26 16:04:26 来源:亿速云阅读:71 作者:Leah 本篇文章给大家分享的是有关怎么使用Python pip(管理模 ...

Python中的测试工具

Python中的测试工具相关推荐

最新文章

热门文章