将测试代码和运行代码一起写是一种非常好的习惯。聪明地使用这种方法将会帮助你更加精确地定义代码的含义,并且代码的耦合性更低。
测试的通用规则:
- 测试单元应该集中于小部分的功能,并且证明它是对的。
- 每个测试单元应该完全独立。
- 通过Mock去除依赖
- 尽量使测试单元快速运行。
- 实现钩子来持续集成
我们通过一个简单的python
程序及unittest
作为示例来为大家介绍如何进行测试,这里推荐大家使用python3
来运行示例。
我们先创建一个将会使用的测试目录
mkdir /tmp/TestHookTest
cd /tmp/TestHookTest
测试单元应该集中于小部分的功能,并且证明它是对的
下图为unittest
包中包含的断言
我们现在来写一个通过用户名获得github信息的一个函数,并对这个函数进行测试
# test.py
import unittest
import json
import requests
def fetch_github_profile(username):
response = requests.get('https://api.github.com/users/' + username)
return response.json()
class SaveDataTest(unittest.TestCase):
def test_fetch_github_profile(self):
username = 'ZhangBohan'
data = fetch_github_profile('ZhangBohan')
self.assertEqual(data['login'], username)
通过python3 -m unittest test
运行
每个测试单元应该完全独立
image-
每个都能够单独运行,除了调用的命令,都需在测试套件中。要想实现这个规则,测试单元应该加载最新的数据集,之后再做一些清理。
-
如果有数据库依赖,在每次测试前创建测试数据库,结束后销毁该数据库,测试应该有单独的数据库,不要在生产和开发环境测试,避免数据变化引起的测试失败
-
通过Mock去除依赖
假设我们现在想把取得的用户数据保存到本地,并测试是否正确保存
# test.py
import unittest
import json
import requests
def fetch_github_profile(username):
response = requests.get('https://api.github.com/users/' + username)
return response.json()
def save_data(data):
with open('data.json', 'w') as f:
f.write(json.dumps(data))
class SaveDataTest(unittest.TestCase):
def test_fetch_github_profile(self):
username = 'ZhangBohan'
data = fetch_github_profile('ZhangBohan')
self.assertEqual(data['login'], username)
def test_save_data(self):
data = fetch_github_profile('ZhangBohan')
save_data(data)
with open('data.json') as f:
file_data = json.loads(f.read())
self.assertIsNotNone(file_data)
self.assertEqual(data['id'], file_data['id'])
在这个测试中我们的test_save_data
中的data
依赖fetch_github_profile
中的返回数据,现实情况中会遇到更为复杂的依赖,为了一个测试用例,我们可能需要构建大量的初始化数据。我们可以通过mock来解除这个依赖,让test_save_data
专注于测试保存数据部分
# test.py
import unittest
import json
from unittest.mock import MagicMock
import requests
def fetch_github_profile(username):
response = requests.get('https://api.github.com/users/' + username)
return response.json()
def save_data(data):
with open('data.json', 'w') as f:
f.write(json.dumps(data))
FAKE_PROFILE_DATA = {
"login": "ZhangBohan",
"id": 2317407
}
class SaveDataTest(unittest.TestCase):
def test_fetch_github_profile(self):
username = 'ZhangBohan'
data = fetch_github_profile('ZhangBohan')
self.assertEqual(data['login'], username)
def test_save_data(self):
fetch_github_profile = MagicMock(return_value=FAKE_PROFILE_DATA)
data = fetch_github_profile('ZhangBohan')
save_data(data)
with open('data.json') as f:
file_data = json.loads(f.read())
self.assertIsNotNone(file_data)
self.assertEqual(data['id'], file_data['id'])
尽量使测试单元快速运行
image如果一个单独的测试单元需要较长的时间去运行,开发进度将会延迟,测试单元将不能如期常态性运行。有时候,因为测试单元需要复杂的数据结构,并且当它运行时每次都要加载,所以其运行时间较长。把运行吃力的测试单元放在单独的测试组件中,并且按照需要运行其它测试单元。
实现hook来持续集成
通过代码提交的本地hook或者webhook来持续集成测试你的代码。
举个git本地hook的例子(这可假设你了解git hook的工作原理)。
> git init
> vim .git/hooks/pre-commit
在.git/hooks/pre-commit
文件中写入
#!/bin/sh
cd /tmp/TestHookTest && python3 -m unittest test
执行:
> chmod +x .git/hooks/pre-commit
> git add test.py
> git commit -m "test hook"
.
----------------------------------------------------------------------
Ran 1 test in 0.000s
OK
[master (root-commit) b390117] test hook
1 file changed, 9 insertions(+)
create mode 100644 test.py
在远程代码仓库部署的webhook能更好的测试全部代码。
网友评论