python基礎教程總結14——測試

標籤：

1. 先測試，後編碼

　　對程式的各個部分建立測試也是非常重要的（這也稱為單元測試）。測試驅動編程：Test-driven programming

1)精確的需求說明：

　　程式設計的理念是以編寫測試程式開始，然後編寫可通過測試的程式。測試程式就是你的需求說明，它協助你在開發程式時不偏離需求
舉例：編寫一個模組，其中包括一個使用給定的寬和高計算長方形面積的函數。在開始編碼前，首先要編寫一個單元測試，其中包括帶有幾個答案已經清楚的例子：

 1 from area import rect_area 2  3 height = 3 4 width =4 5 correct_answer = 12 6 answer = rect_area(height, width) 7 if answer == correct_answer: 8     print ‘Test passed‘ 9 else:10     print ‘Test failed‘

 

2)為改變而計劃：

　　自動化測試除了在編寫程式上給予巨大協助外，還可以避免在實施修改時增加錯誤

　　代碼覆蓋度——coverage是測試知識中重要的部分。在運行測試的時候，有可能並沒有運行代碼的全部，即使在理想情況下也是這樣（理想的情況應該是運行程式的所有可能狀態，使用所有可能的輸入，但是這不太可能）。優秀的測試程式組的目標之一是擁有良好的覆蓋度，實現這個目標的方法之一是使用覆蓋度工具，它可以衡量在測試過程中實際啟動並執行代碼的百分比。目前還沒有可用的標準化覆蓋度工具，搜尋“Python測試覆蓋度”會找到一個些可用的工具。其中一個是trace.py程式

 

3)測試的4步:

　　A：指出需要的新特性。可以先記錄下來，然後為其編寫一個測試
　　B：編寫特性的概要代碼，這樣程式就可以運行而沒有任何文法等方面的錯誤，但是測試會失敗。看到測試失敗是很重要的，這樣就能確定測試可以失敗。如果測試代碼中出現　　　　了錯誤，那麼就有可能不管出現任何情況，測試都會成功，這樣等於沒測試任何東西。再強調一遍：在試圖讓測試成功前，先要看到它失敗
　　C：為特性的概要編寫虛設代碼(dummy code)，能滿足測試要求就行。不用準確地實現功能，只要保證測試可以通過即可。這樣一來就可以保證在開發的時候總是通過測試了　　　　（除了第一次運行測試的時候），甚至在最初實現功能時亦是如此
　　D：現在重寫（或者重構，Refactor）代碼，這樣它就會做自己應該做的事，從而保證測試一直重構
　　

2. 測試載入器

  標準庫中的模組可以協助我們自動完成測試過程：
　　   unitest：通用測試架構
　　   doctest：簡單一些的模組，是檢查文檔用的，但是對於編寫單元測試也很在行

1) doctest：互動式解譯器的會話可以是將文檔字串（docstring）寫入文檔的一種有用的形式。假如，假設我編寫了一個求數位平方的函數，並且在它的文檔字串中添加了一個例子：

 1 def square(x): 2     ‘‘‘ 3     Squares a number and returns the result. 4  5     >>> square(2) 6     4 7     >>> square(3) 8     9 9     ‘‘‘10     return x*x

文檔字串中也包括了一些文本。這和測試又有什麼關係？假設square函數定義在my_math模組（也就是叫做my_math.py的檔案）中。之後就可以在底部增加下面的代碼：

 1 def square(x): 2     ‘‘‘ 3     Squares a number and returns the result. 4  5     >>> square(2) 6     4 7     >>> square(3) 8     9 9     ‘‘‘10     return x*x11 12 if __name__ == ‘__main__‘:13     import doctest.my_math14     doctest.testmod(my_math)

　　doctest.testmod函數從一個模組讀取所有文檔字串，找出所有看起來像是在互動式解譯器中輸入的例子的文本，之後檢查例子是否符合執行個體要求（如果想實踐“先測試，後編碼”的編程方式，unittest架構是更好的選擇）

　　為了獲得更多輸入，可以為指令碼設定-v（意為verbose，即詳述）選項開關：$ python my_math.py -v

 

2)unittest：doctest簡單易用，unittest（基於Java的流行測試架構JUnit）則更靈活和強大。　　

　　假設要寫模組my_math，其中包括計算乘積的函數product。從哪開始呢？對於測試來說，當然（位於檔案test_my_math.py中）是使用unittest模組中的TestCase類

 

 1 #使用unittest架構的簡單測試 2 import unittest, my_math 3  4 class ProductTestCase(unittest.TestCase): 5  6     def testIntegers(self): 7         for x in range(-10,10): 8             for y in range(-10,10): 9                 p = my_math.product(x,y)10                 self.failUnless(p == x*y, ‘Tnteger multiplication failed‘)11 12 13     def testFloats(self):14         for x in range(-10,10):15             for y in range(-10,10):16                 x = x/10.017                 y = y/10.018                 p = my_math.product(x,y)19             self.failUnless(p == x*y, ‘Float multiplication failed‘)20 21 #unittest.main函數負責運行測試，它會執行個體化所有TestCase的子類，運行所有名字以test開頭的方法22 if __name__ == ‘__main__‘ : unitteset.main()

　　如果定義了叫做startUp和tearDown的方法，它們就會在運行每個測試方法之前和之後執行，這樣就可以用這些方法為所有測試提供一般的初始化和清理代碼，這被稱為測試夾具（test fixture）

 

3：單元測試以外的東西：
　　原始碼檢查和分析：原始碼檢查是一種尋找代碼中普通錯誤或者問題的方法（有點像編譯器處理靜態語言，但遠不如此）。分析則是查明程式到底跑多快的方法。之所以按照這個順序討論這章的主題，是因為黃金法則“使其工作、使其更好、使其更快”的緣故。單元測試可以讓程式可以工作，原始碼檢查可以讓程式更好，最後，分析會讓程式更快。

1)使用PyChecker和PyLint檢查原始碼

2)分析：試圖讓代碼提速前，有個非常重要的規則需要注意（以及KISS原則，Keep It Small and Simple，即讓它小且簡單，或者YAGNI原則，You Ain‘t Gonna Need It，即並不需要它）——不成熟的最佳化是萬惡之源
　　拿Unix的發明人之一Ken Thompson的話說就是“拿不準的時候，就窮舉”。換句話說，如果不是特別需要的話，就不要在精巧的演算法或者漂亮的最佳化技巧上有過多的擔心。如果程式已經夠快了，那麼乾淨、簡單並且易懂的代碼的價值比稍微快一點的程式要高得多。

　　如果必須進行最佳化的話，那麼絕對應該再做其他事情之前對其進行分析（profile）。這是因為很難估計到瓶頸在哪裡，除非你的程式非常簡單。標準庫中已經包含了一個叫做profile的分析模組（還有個更快的嵌入式C語言版本，叫hotshot）。流量分析程式非常簡單，是要使用字串參數調用它的run方法就行了

>>> import profile>>> from my_math import product>>> profile.run(‘product(1,2)‘)

　　這樣做會列印出資訊，其中包括各個函數和方法調用的次數，以及每個函數所花費的時間。如果提供了檔案名稱，比如‘my_math.profile‘作為第二個參數來運行，那麼結果就會儲存到檔案中。可在之後使用pastats模組檢查分析結果：

>>> import pstats>>> p = pstats.Stats(‘my_math.profile‘)

標準庫中還包含一個名為timeit的模組，它是測試python小程式碼片段已耗用時間的簡單方法

python基礎教程總結14——測試