Introduktion till Testning i Python
I avsnittet Felfångst undersökte vi hur man hanterar både syntaxfel och körtidsfel, men vi gick inte in på hantering av logiska fel. I detta avsnitt kommer vi att utforska två typer av testning som är avgörande för att validera logiken i våra applikationer: manuell och automatiserad testning.
Testning delas generellt in i dessa två kategorier. Manuell testning innebär att mänskliga testare utför tester genom att interagera med applikationen och verifiera att dess funktioner uppfyller kraven. Denna typ av testning är användbar men kan vara tidskrävande och känslig för mänskliga misstag.
Automatiserad testning använder däremot skript och verktyg för att utföra tester automatiskt, utan direkt mänsklig inblandning, vilket säkerställer att applikationen beter sig som förväntat. Detta påskyndar inte bara testprocessen utan ökar även dess noggrannhet och konsekvens.
Introduktion till testdriven utveckling (TDD)
En central metodik inom automatiserad testning är Testdriven utveckling (TDD). TDD är en innovativ utvecklingsprocess där tester skrivs innan själva koden. Processen följer en enkel cykel: skriv ett test, kör testet (som initialt ska misslyckas), skriv minsta möjliga kod för att testet ska passera och refaktorera sedan koden för att uppnå renhet och effektivitet.
Översikt av Unittest- och Pytest-ramverken
Python erbjuder flera ramverk för att skriva och köra tester, där Unittest och Pytest är två av de mest populära.
Unittest
Unittest är Pythons inbyggda testningsramverk. Unittest är klassbaserat och kräver att du organiserar dina tester i klasser som är underklasser till unittest.TestCase.
Pytest
Pytest är ett kraftfullt tredjeparts testningsramverk som stödjer enklare testfall för både enkla och komplexa testsituationer. Till skillnad från Unittest tillåter Pytest att du skriver testfunktioner utan att behöva kapsla in dem i klasser.
Testning av en funktion för medelvärdesberäkning
Låt oss titta på en enkel funktion som beräknar medelvärdet av två tal och se hur den kan testas med både Unittest och Pytest.
Function to be Tested:
1234def calculate_average(num1, num2): return (num1 + num2) / 2 print(calculate_average(3, 5))
Testning med Unittest
import unittest
class TestAverageCalculation(unittest.TestCase):
def test_average(self):
result = calculate_average(10, 20)
self.assertEqual(result, 15)
Testning med pytest
import pytest
def test_average():
assert calculate_average(10, 20) == 15
Medan Unittest är utmärkt för utvecklare som är bekanta med xUnit-formatet och föredrar ett strukturerat, objektorienterat tillvägagångssätt för testning, passar Pytest dem som söker mer flexibilitet och enkelhet, tillsammans med kraftfulla funktioner för komplexa tester som inte hanteras lika enkelt av Unittest.
Vi ses i nästa kapitel!
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Can you explain more about logical errors and how to detect them?
What are the main differences between manual and automated testing?
Could you provide more examples of using Unittest and Pytest?
Fantastiskt!
Completion betyg förbättrat till 3.13Introduktion till Testning i Python
Svep för att visa menyn
I avsnittet Felfångst undersökte vi hur man hanterar både syntaxfel och körtidsfel, men vi gick inte in på hantering av logiska fel. I detta avsnitt kommer vi att utforska två typer av testning som är avgörande för att validera logiken i våra applikationer: manuell och automatiserad testning.
Testning delas generellt in i dessa två kategorier. Manuell testning innebär att mänskliga testare utför tester genom att interagera med applikationen och verifiera att dess funktioner uppfyller kraven. Denna typ av testning är användbar men kan vara tidskrävande och känslig för mänskliga misstag.
Automatiserad testning använder däremot skript och verktyg för att utföra tester automatiskt, utan direkt mänsklig inblandning, vilket säkerställer att applikationen beter sig som förväntat. Detta påskyndar inte bara testprocessen utan ökar även dess noggrannhet och konsekvens.
Introduktion till testdriven utveckling (TDD)
En central metodik inom automatiserad testning är Testdriven utveckling (TDD). TDD är en innovativ utvecklingsprocess där tester skrivs innan själva koden. Processen följer en enkel cykel: skriv ett test, kör testet (som initialt ska misslyckas), skriv minsta möjliga kod för att testet ska passera och refaktorera sedan koden för att uppnå renhet och effektivitet.
Översikt av Unittest- och Pytest-ramverken
Python erbjuder flera ramverk för att skriva och köra tester, där Unittest och Pytest är två av de mest populära.
Unittest
Unittest är Pythons inbyggda testningsramverk. Unittest är klassbaserat och kräver att du organiserar dina tester i klasser som är underklasser till unittest.TestCase.
Pytest
Pytest är ett kraftfullt tredjeparts testningsramverk som stödjer enklare testfall för både enkla och komplexa testsituationer. Till skillnad från Unittest tillåter Pytest att du skriver testfunktioner utan att behöva kapsla in dem i klasser.
Testning av en funktion för medelvärdesberäkning
Låt oss titta på en enkel funktion som beräknar medelvärdet av två tal och se hur den kan testas med både Unittest och Pytest.
Function to be Tested:
1234def calculate_average(num1, num2): return (num1 + num2) / 2 print(calculate_average(3, 5))
Testning med Unittest
import unittest
class TestAverageCalculation(unittest.TestCase):
def test_average(self):
result = calculate_average(10, 20)
self.assertEqual(result, 15)
Testning med pytest
import pytest
def test_average():
assert calculate_average(10, 20) == 15
Medan Unittest är utmärkt för utvecklare som är bekanta med xUnit-formatet och föredrar ett strukturerat, objektorienterat tillvägagångssätt för testning, passar Pytest dem som söker mer flexibilitet och enkelhet, tillsammans med kraftfulla funktioner för komplexa tester som inte hanteras lika enkelt av Unittest.
Vi ses i nästa kapitel!
Tack för dina kommentarer!
