


Bagaimana anda menulis ujian unit di Python menggunakan kerangka unittest?
Ujian unit penulisan di Python menggunakan rangka kerja unittest
melibatkan beberapa langkah. Berikut adalah panduan terperinci untuk membuat dan menjalankan ujian unit:
-
Import Modul Unittest : Langkah pertama ialah mengimport modul
unittest
, yang menyediakan rangka kerja untuk menulis dan menjalankan ujian.<code class="python">import unittest</code>
-
Tentukan kelas ujian : Ujian anda akan dikelompokkan ke dalam kelas yang mewarisi dari
unittest.TestCase
. Kelas ini akan mengandungi kaedah yang menentukan ujian individu.<code class="python">class TestExample(unittest.TestCase):</code>
-
Kaedah Ujian Tulis : Di dalam kelas
TestExample
, anda boleh menulis kaedah yang bermula dengantest
perkataan. Kaedah ini akan dijalankan sebagai ujian individu.<code class="python">def test_example(self): self.assertEqual(1 1, 2)</code>
-
Sediakan dan meruntuhkan : Jika ujian anda memerlukan sebarang persediaan atau pembersihan, anda boleh menggunakan kaedah
setUp
dantearDown
.setUp
berjalan sebelum setiap kaedah ujian, dantearDown
berjalan selepas.<code class="python">def setUp(self): # Code here will run before every test pass def tearDown(self): # Code here will run after every test pass</code>
-
Jalankan ujian : Untuk menjalankan ujian, anda boleh menjalankan skrip secara langsung jika ia mengandungi ujian, atau gunakan pelari ujian. Cara paling mudah ialah menambah kod berikut pada akhir skrip anda:
<code class="python">if __name__ == '__main__': unittest.main()</code>
Apabila anda menjalankan skrip, unittest
secara automatik akan menemui dan melaksanakan semua kaedah yang bermula dengan test
dalam kelas yang mewarisi dari unittest.TestCase
.
Apakah amalan terbaik untuk menstrukturkan ujian unit dengan Python's Unittest?
Mematuhi amalan terbaik apabila menstrukturkan ujian unit dalam kerangka unittest
Python membantu memastikan ujian dapat dikekalkan, boleh dibaca, dan berkesan. Berikut adalah amalan utama untuk diikuti:
- Ujian Konvensyen Penamaan : Gunakan nama yang jelas dan deskriptif untuk kelas dan kaedah ujian anda. Sebagai contoh,
TestCalculator
untuk kelas dantest_addition
untuk kaedah. Ini membantu dengan cepat memahami apa yang setiap ujian dimaksudkan untuk mengesahkan. -
ARREING-ACT-ASSERT PATTERN : Struktur Kaedah Ujian Anda Menggunakan Corak Arrang-Act-Assert:
- Susun : Sediakan syarat untuk ujian.
- ACT : Lakukan tindakan yang ingin anda uji.
-
Menegaskan : Sahkan hasilnya.
<code class="python">def test_addition(self): # Arrange calc = Calculator() # Act result = calc.add(2, 3) # Assert self.assertEqual(result, 5)</code>
- Mengasingkan ujian : Pastikan setiap ujian adalah bebas. Gunakan kaedah
setUp
dantearDown
untuk menguruskan lekapan ujian, memastikan setiap ujian bermula dengan slate yang bersih. - Gunakan Persediaan dan TearDown dengan bijak : Gunakan
setUp
untuk memulakan objek dantearDown
untuk membersihkan sumber jika perlu. Elakkan menggunakannya untuk tindakan yang boleh dilakukan secara selaras dengan ujian melainkan anda mendapati duplikasi kod yang signifikan. - Ujian Berkaitan Kumpulan : Ujian yang sama kumpulan ke dalam kelas ujian yang sama untuk memastikan fungsi yang berkaitan bersama -sama, menjadikan suite ujian anda lebih teratur dan lebih mudah difahami.
-
Gunakan mesej ralat deskriptif : Apabila menggunakan pernyataan seperti
assertEqual
, anda boleh menambah mesej tersuai untuk menjelaskan apa yang salah, yang sangat berguna apabila debugging gagal ujian.<code class="python">self.assertEqual(result, 5, "The addition of 2 and 3 should be 5")</code>
Bagaimanakah anda boleh menggunakan pernyataan dengan berkesan dalam Python Unittest untuk mengesahkan keputusan ujian?
Pernyataan adalah penting dalam unittest
untuk memeriksa sama ada output kod anda memenuhi hasil yang diharapkan. Inilah cara menggunakannya dengan berkesan:
-
Pilih kaedah penegasan yang betul :
unittest
menyediakan beberapa kaedah penegasan, masing -masing direka untuk perbandingan tertentu:-
assertEqual(a, b)
: cek jikaa == b
. -
assertNotEqual(a, b)
: cek jikaa != b
. -
assertTrue(x)
: cek jikax
adalah benar. -
assertFalse(x)
: cek jikax
adalah palsu. -
assertIs(a, b)
: cek jikaa
adalahb
(identiti objek). -
assertIsNot(a, b)
: cek jikaa
tidakb
. -
assertIn(a, b)
: cek jikaa
dalamb
. -
assertNotIn(a, b)
: cek jikaa
tidak dalamb
.
Pilih pernyataan yang paling sesuai dengan keadaan ujian.
-
-
Gunakan mesej tersuai : Untuk ujian kompleks, sangat berguna untuk memberikan mesej tersuai untuk menjelaskan mengapa dakwaan gagal.
<code class="python">self.assertEqual(result, 5, "Expected 5 but got {}".format(result))</code>
-
Ujian untuk kes kelebihan : Gunakan pernyataan untuk mengesahkan bukan sahaja kes biasa tetapi juga kes kelebihan dan keadaan ralat. Sebagai contoh, ujian untuk keadaan sempadan, input tidak sah, dan pengecualian yang dijangkakan.
<code class="python">def test_division_by_zero(self): with self.assertRaises(ZeroDivisionError): Calculator().divide(10, 0)</code>
- Elakkan daripada penegasan : Jangan melampaui pernyataan dalam satu kaedah ujian. Sekiranya anda mendapati diri anda menegaskan pelbagai perkara yang tidak berkaitan, ini mungkin menjadi tanda bahawa anda harus membahagikan ujian ke dalam pelbagai kaedah.
-
Gunakan pengurus konteks untuk pengecualian yang diharapkan : Jika anda menjangkakan pengecualian khusus, gunakan pengurus konteks
assertRaises
.<code class="python">with self.assertRaises(ValueError): Calculator().sqrt(-1)</code>
Apakah perangkap biasa untuk dielakkan apabila menulis ujian unit di Python menggunakan rangka kerja yang paling unittest?
Apabila menulis ujian unit dengan unittest
, sangat membantu untuk mengetahui tentang perangkap yang sama untuk mengelakkan untuk mengekalkan ujian berkualiti tinggi:
- Ujian terlalu banyak dalam satu ujian : Elakkan melampaui kaedah ujian tunggal dengan pelbagai pernyataan yang menguji fungsi yang berbeza. Lebih baik menulis ujian berasingan untuk setiap fungsi.
- Tidak menguji kes kelebihan : Mengabaikan untuk menguji kes kelebihan, seperti input kosong, nilai maksimum dan minimum, atau keadaan ralat, boleh meninggalkan kod anda terdedah. Sentiasa berfikir tentang sempadan dan input yang tidak dijangka.
- Persediaan dan TearDown yang berlebihan : Walaupun
setUp
dantearDown
berguna, terlalu banyak mereka boleh membawa kepada kebergantungan ujian dan ujian yang lebih perlahan. Gunakannya hanya apabila perlu untuk menyediakan lekapan ujian atau membersihkan sumber. - Mengabaikan Pengasingan Ujian : Setiap ujian harus bebas. Perkongsian keadaan antara ujian boleh menyebabkan keputusan yang tidak dapat diramalkan dan menjadikannya sukar untuk mendiagnosis kegagalan.
- Ujian Menulis Selepas Kod : Menulis Ujian Selepas Kod boleh membawa kepada ujian yang hanya mengesahkan kod yang berfungsi sebagai-bukannya memastikan ia bertindak dengan betul di bawah semua syarat. Lebih suka menulis ujian sebelum kod (pembangunan yang didorong oleh ujian, TDD).
- Tidak mengemas kini ujian dengan perubahan kod : Seperti kod anda berkembang, ujian anda juga perlu berkembang. Gagal mengemas kini ujian untuk mencerminkan perubahan dalam kod anda boleh menyebabkan negatif palsu atau positif palsu.
- Mengabaikan menggunakan mocks dan stubs : Untuk ujian yang bergantung kepada sumber luaran atau objek kompleks, tidak menggunakan mocks atau stubs boleh membuat ujian lambat dan rapuh. Menggunakan perpustakaan mengejek untuk mengasingkan kebergantungan.
- Menulis terlalu sedikit ujian : Under-Ujian boleh meninggalkan bahagian kritikal kod anda yang belum diuji. Bertujuan untuk liputan yang tinggi, terutamanya untuk kes logik dan kelebihan yang kompleks.
Dengan mengelakkan perangkap ini, anda boleh memastikan bahawa ujian unit anda teguh, boleh dipelihara, dan berkesan mengesahkan fungsi kod anda.
Atas ialah kandungan terperinci Bagaimana anda menulis ujian unit di Python menggunakan kerangka unittest?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Artikel ini menerangkan cara menggunakan sup yang indah, perpustakaan python, untuk menghuraikan html. Ia memperincikan kaedah biasa seperti mencari (), find_all (), pilih (), dan get_text () untuk pengekstrakan data, pengendalian struktur dan kesilapan HTML yang pelbagai, dan alternatif (sel

Modul Statistik Python menyediakan keupayaan analisis statistik data yang kuat untuk membantu kami dengan cepat memahami ciri -ciri keseluruhan data, seperti biostatistik dan analisis perniagaan. Daripada melihat titik data satu demi satu, cuma melihat statistik seperti min atau varians untuk menemui trend dan ciri dalam data asal yang mungkin diabaikan, dan membandingkan dataset besar dengan lebih mudah dan berkesan. Tutorial ini akan menjelaskan cara mengira min dan mengukur tahap penyebaran dataset. Kecuali dinyatakan sebaliknya, semua fungsi dalam modul ini menyokong pengiraan fungsi min () dan bukan hanya menjumlahkan purata. Nombor titik terapung juga boleh digunakan. Import secara rawak Statistik import dari fracti

Serialization dan deserialization objek Python adalah aspek utama dari mana-mana program bukan remeh. Jika anda menyimpan sesuatu ke fail python, anda melakukan siri objek dan deserialization jika anda membaca fail konfigurasi, atau jika anda menjawab permintaan HTTP. Dalam erti kata, siri dan deserialization adalah perkara yang paling membosankan di dunia. Siapa yang peduli dengan semua format dan protokol ini? Anda mahu berterusan atau mengalirkan beberapa objek python dan mengambilnya sepenuhnya pada masa yang akan datang. Ini adalah cara yang baik untuk melihat dunia pada tahap konseptual. Walau bagaimanapun, pada tahap praktikal, skim siri, format atau protokol yang anda pilih boleh menentukan kelajuan, keselamatan, kebebasan status penyelenggaraan, dan aspek lain dari program

Artikel ini membandingkan tensorflow dan pytorch untuk pembelajaran mendalam. Ia memperincikan langkah -langkah yang terlibat: penyediaan data, bangunan model, latihan, penilaian, dan penempatan. Perbezaan utama antara rangka kerja, terutamanya mengenai grap pengiraan

Artikel ini membincangkan perpustakaan Python yang popular seperti Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask, dan Permintaan, memperincikan kegunaan mereka dalam pengkomputeran saintifik, analisis data, visualisasi, pembelajaran mesin, pembangunan web, dan h

Artikel ini membimbing pemaju Python mengenai bangunan baris baris komando (CLI). Butirannya menggunakan perpustakaan seperti Typer, Klik, dan ArgParse, menekankan pengendalian input/output, dan mempromosikan corak reka bentuk mesra pengguna untuk kebolehgunaan CLI yang lebih baik.

Tutorial ini dibina pada pengenalan sebelumnya kepada sup yang indah, memberi tumpuan kepada manipulasi DOM di luar navigasi pokok mudah. Kami akan meneroka kaedah dan teknik carian yang cekap untuk mengubahsuai struktur HTML. Satu kaedah carian dom biasa ialah Ex

Artikel ini membincangkan peranan persekitaran maya di Python, memberi tumpuan kepada menguruskan kebergantungan projek dan mengelakkan konflik. Ia memperincikan penciptaan, pengaktifan, dan faedah mereka dalam meningkatkan pengurusan projek dan mengurangkan isu pergantungan.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

mPDF
mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

Versi Mac WebStorm
Alat pembangunan JavaScript yang berguna

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa
