单元测试
测试可以保证你的代码在一系列给定条件下正常工作
测试允许人们确保对代码的改动不会破坏现有的功能
测试迫使人们在不寻常条件的情况下思考代码，这可能会揭示出逻辑错误
良好的测试要求模块化，解耦代码，这是一个良好的系统设计的标志
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os, sys
import time, datetime
import unittest
from unittest import TestCase
class TestSequenece(TestCase):
def setUp(self):
self.lst = range(10)
print "setUp starting ..."
def test_eq(self):
print "test_eq starting..."
self.assertEqual(self.lst, range(10))
def test_in(self):
print "test_in starting..."
self.assertIn(1, self.lst)
self.assertNotIn(10, self.lst)
def test_instance(self):
print "test_instance starting..."
self.assertIsInstance(self.lst, list)
def tearDown(self):
print "tearDown starting..."
if __name__ == '__main__':
unittest.main()
然后我们看一下执行结果再分析:
setUp starting ...
test_eq starting...
tearDown starting...
.setUp starting ...
test_in starting...
tearDown starting...
.setUp starting ...
test_instance starting...
tearDown starting...
.
----------------------------------------------------------------------
Ran 3 tests in 0.000s
OK
共运行三个测试, 每次测试成功通过都会输出一个.号
TestCase直译就是测试用例, 一个测试用例可以包含多个测试
test_xxxx就是测试项, 根据实际的功能代码逻辑来编写对应的测试项, 运行时会自动查找所有以test开发的成员函数
assertXXXX断言语句, 用来判断测试结果是否符合测试预期结果.
setUp是执行每个测试项前的准备工作, 比如：可以做一些初始化工作
tearDown是执行在每个测试项后的收尾工作,销毁测试过程中产生的垃圾, 恢复现场等
Mock测试是什么鬼? 我们常常遇到这样一种场景, 我们测试一些函数, 而这些函数内部调用另外带有副作用的操作, 这可能导致我们在测试过程中对数据造成未知的副作用, 而这并不是我们希望在测试中看到的.
Mock测试可以替换到指定的Python对象或者方法, 并自定义指定对象或者方法的返回值, 从来模拟对象或者方法, 消除副作用.
Mock在Python3.3时加入到标准库中, 2.X版本可以通过pip安装
$ pip install mock
首先任意写一个函数
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import os, sys, time
def foo():
lst = [1]
lst = give_me_five(lst)
return lst
def give_me_five(lst):
return lst * 5
我们希望通过单元测试来测试这个函数的逻辑正确性.
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import os, sys, time
# sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
import unittest
from unittest import TestCase
import mock
import module
class Foo(object):
pass
class TestMock(TestCase):
# 1
def test_method(self):
obj = Foo()
obj.method = mock.MagicMock(return_value=3)
print obj.method
self.assertEqual(obj.method(4), 3)
# 2
@mock.patch('module.foo')
def test_decorator(self, foo):
# res = module.foo()
foo.return_value = [1, 2, 3]
self.assertEqual(foo(), [1, 2, 3])
# 3
def test_with(self):
with mock.patch('module.give_me_five') as give_me_five:
give_me_five.return_value = "I'm Mock"
self.assertEqual(module.foo(), "I'm Mock")
# 4
def test_module(self):
module.give_me_five = mock.Mock(return_value=[1] * 5)
module.give_me_five([1]) # 此时已经变成了一个Mock对象, 并尝试调用
module.give_me_five.assert_called_with([1]) # 对mock的参数进行断言
self.assertEqual(module.foo(), [1] * 5)
if __name__ == '__main__':
unittest.main()
我们首先集成TestCase创建了一个单元测试
# 1位置, 我们通过mock提供的函数给obj的method方法设置返回值(可以看到类中并不包含method方法). 最后通过断言来判断返回值等于我们通过MagicMock设置的返回值
# 2位置, 我们通过mock提供的装饰器, patch()可以作为函数做装饰, 类装饰器, 上下文管理器 将module中的foo函数给mock掉, 并且并mock的函数生成的Mock对象作为类成员函数参数传入, 指定了foo函数的返回值, 并通过了断言测试
# 3位置, 将patch()作为一个上下文管理, 关于上下文管理器可以看我另一篇文章Python奇技淫巧, 用法和作为装饰器基本类似
# 4位置, 我们调用module.foo函数, 而我们并不关系foo()调用了那些函数, 我只关心在成功调用module.give_me_five后, foo函数的逻辑正确性. 所以此次我们通过Mock函数给module.give_me_five指定我们希望的返回值. 这样就能独立的测试module.foo的逻辑
mock的主要思想: 通过mock对象对某些函数进行替换, 对在测试上下文中, 这些被mock的函数被重定向到指定的mock对象
mock还有一些更高级的应用
MagicMock是Mock的子类, 并且包含一些如__str__一样的黑魔法函数, 使用MagicMock甚至可以mock掉黑魔法函数
通过patch.object可以mock掉类中指定的成员函数
通过patch.dict可以将对象mock为字典
通过patch中的start和stop方法可以控制mock的生效范围, 更加灵活的运行mock测试
