单元测试,通俗易懂地讲,就是编写测试来验证某一个模块的功能正确性,一般会指定输入,验证输出是否
符合预期
import unittest # 将要被测试的排序函数 def sort(arr): l = len(arr) for i in range(0, l): for j in range(i + 1, l): if arr[i] >= arr[j]: tmp = arr[i] arr[i] = arr[j] arr[j] = tmp # 编写子类继承unittest.TestCase class TestSort(unittest.TestCase): # 以test开头的函数将会被测试 def test_sort(self): arr = [3, 4, 1, 5, 6] sort(arr) # assert 结果跟我们期待的一样 self.assertEqual(arr, [1, 3, 4, 5, 6]) if __name__ == '__main__': ## 如果在Jupyter下,请用如下方式运行单元测试 unittest.main(argv=['first-arg-is-ignored'], exit=False) # 如果是命令行下运行,则: ## unittest.main() ## 输出 ---------------------------------------------------------------------- Ran 2 tests in 0.002s OK
mock是单元测试中最核心重要的一环。mock的意思,便是通过一个虚假对象,来代替被测试函数或模块需 要的对象。
举个例子,比如你要测一个后端API逻辑的功能性,但一般后端API都依赖于数据库、文件系统、网络等。这 样,你就需要通过mock,来创建一些虚假的数据库层、文件系统层、网络层对象,以便可以简单地对核心 后端逻辑单元进行测试。
Python mock则主要使用mock或者MagicMock对象
import unittest from unittest.mock import MagicMock class A(unittest.TestCase): def m1(self): val = self.m2() self.m3(val) def m2(self): pass def m3(self, val): pass def test_m1(self): a = A() a.m2 = MagicMock(return_value='custom_val') a.m3 = MagicMock() a.m1() self.assertTrue(a.m2.called) #验证m2被call过 a.m3.assert_called_with("custom_val") #验证m3被指定参数call过 if __name__ == "__main__": unittest.main(argv=['first-arg-is-ignored'], exit=False) >>> Ran 1 test in 0.001s OK
我们需要对m1()进行单元测试,但是m1()取决于m2()和m3()。如果m2()和m3()的内部比较复杂, 你就不能只是简单地调用m1()函数来进行测试,可能需要解决很多依赖项的问题。
有了mock其实就很好办了。我们可以把m2()替换为一个返回具体数值的value,把m3()替换为另一个mock(空函数)。这样,测试m1()就很容易了,我们可以测试m1()调用m2(),并且用m2()的返回值调用m3()。
就是 mock的函数,属性是可以根据不同的输入,返回不同的数值,而不只是一个return_value
测试的是输入参数是否为负数,输入小于0则输出为1 ,否则输出为2
from unittest.mock import MagicMock def side_effect(arg): if arg < 0: return 1 else: return 2 mock = MagicMock() mock.side_effect = side_effect print(mock(-1)) print(mock(1)) >>> 1 2
给开发者提供了非常便利的函数mock方法。它可以应用Python的decoration模式或是context manager概念,快速自然地mock所需的函数
from unittest.mock import patch @patch('sort') def test_sort(self, mock_sort): ...
另一种patch的常见用法,是mock类的成员函数,这个技巧我们在工作中也经常会用到,比如说一个类的构
造函数非常复杂,而测试其中一个成员函数并不依赖所有初始化的object
with patch.object(A, '__init__', lambda x: None): ...
在with语句里面,我们通过patch,将A类的构造函数mock为一个do nothing的函
数,这样就可以很方便地避免一些复杂的初始化(initialization)
高质量单元测试,不仅要求我们提高Test Coverage,尽量让所写的测试能够cover每个模块中的每条语句;
还要求我们从测试的角度审视codebase,去思考怎么模块化代码,以便写出高质量的单元测试。
def work(arr): # pre process ... ... # sort l = len(arr) for i in range(0, l): for j in range(i + 1, j): if arr[i] >= arr[j]: tmp = arr[i] arr[i] = arr[j] arr[j] = tmp # post process ... ... Return arr
正确的测试方法,应该是先模块化代码,写成下面的形式
def preprocess(arr): ... ... return arr def sort(arr): ... ... return arr def postprocess(arr): ... return arr def work(self): arr = preprocess(arr) arr = sort(arr) arr = postprocess(arr) return arr
接着再进行相应的测试,测试三个子函数的功能正确性;然后通过mock子函数,调用work()函数,来验证
三个子函数被call过
from unittest.mock import patch def test_preprocess(self): ... def test_sort(self): ... def test_postprocess(self): ... @patch('%s.preprocess') @patch('%s.sort') @patch('%s.postprocess') def test_work(self,mock_post_process, mock_sort, mock_preprocess): work() self.assertTrue(mock_post_process.called) self.assertTrue(mock_sort.called) self.assertTrue(mock_preprocess.called)