python如何测试仪器_Python中的测试工具

当我们在写程序的时候，我们需要通过测试来验证程序是否出错或者存在问题，但是，编写大量的测试来确保程序的每个细节都没问题会显得很繁琐。在Python中，我们可以借助一些标准模块来帮助我们自动完成测试过程，比如：

unittest: 一个通用的测试框架；

doctest: 一个更简单的模块，是为检查文档而设计的，但也非常适合用来编写单元测试。

下面，笔者将会简单介绍这两个模块在测试中的应用。

doctest

doctest模块会搜索那些看起来像是python交互式会话中的代码片段，然后尝试执行并验证结果。下面我们以doctest.testmod为例，函数doctest.testmod会读取模块中的所有文档字符串，查找看起来像是从交互式解释器中摘取的示例，再检查这些示例是否反映了实际情况。

我们先创建示例代码文件test_string_lower.py，完整代码如下：

# -*- coding: utf-8 -*-

def string_lower(string):

'''

返回一个字符串的小写

:param string: type: str

:return: the lower of input string

>>> string_lower('AbC')

'abc'

>>> string_lower('ABC')

'abc'

>>> string_lower('abc')

'abc'

'''

return string.lower()

if __name__ == '__main__':

import doctest, test_string_lower

doctest.testmod(test_string_lower)

首先先对程序进行说明，函数string_lower用于返回输入字符串的小写，函数中的注释中，一共包含了3个测试实例，期望尽可能地包含各种测试情况，接着在主函数中导入doctest, test_string_lower，再运行doctest中的testmod函数即可进行测试。

接着，我们开始测试。首先，在命令行中输入python test_string_lower.py，运行后会发现什么都没有输出，但这其实是件好事，它表明程序中的所有测试都通过了！那么，如果我们想要获得更多的输出呢？可在运行脚本的时候增加参数-v，这时候命令变成python test_string_lower.py -v，输出的结果如下：

Trying:

string_lower('AbC')

Expecting:

'abc'

Trying:

string_lower('ABC')

Expecting:

'abc'

Trying:

string_lower('abc')

Expecting:

'abc'

1 items had no tests:

test_string_lower

1 items passed all tests:

3 tests in test_string_lower.string_lower

3 tests in 2 items.

3 passed and 0 failed.

Test passed.

可以看到，程序测试的背后还是发生了很多事。接着，我们尝试着程序出错的情况，比如我们不小心把函数的返回写成了：

return string.upper()

这其实是返回输入字符串的大写了，而我们测试的实例却返回了输入字符串的小写，再运行该脚本（加上参数-v），输出的结果如下：

Failed example:

string_lower('abc')

Expected:

'abc'

Got:

'ABC'

1 items had no tests:

test_string_lower

**********************************************************************

1 items had failures:

3 of 3 in test_string_lower.string_lower

3 tests in 2 items.

0 passed and 3 failed.

***Test Failed*** 3 failures.

这时候，程序测试失败，它不仅捕捉到了bug，还清楚地指出错误出在什么地方。我们不难把这个程序修改过来。

关于doctest模块的更详细的使用说明，可以参考网址：https://docs.python.org/2/library/doctest.html 。

unittest

unittest类似于流行的Java测试框架JUnit，它比doctest更灵活，更强大，能够帮助你以结构化的方式来编写庞大而详尽的测试集。

我们以一个简单的示例入手，首先我们编写my_math.py脚本，代码如下：

# -*- coding: utf-8 -*-

def product(x, y):

'''

:param x: int, float

:param y: int, float

:return: x * y

'''

return x * y

该函数实现的功能为：输入两个数x, y，返回这两个数的乘积。接着是test_my_math.py脚本，完整的代码如下：

import unittest, my_math

class ProductTestcase(unittest.TestCase):

def setUp(self):

print('begin test')

def test_integers(self):

for x in range(-10, 10):

for y in range(-10, 10):

p = my_math.product(x, y)

self.assertEqual(p, x*y, 'integer multiplication failed')

def test_floats(self):

for x in range(-10, 10):

for y in range(-10, 10):

x = x/10

y = y/10

p = my_math.product(x, y)

self.assertEqual(p, x * y, 'integer multiplication failed')

if __name__ == '__main__':

unittest.main()

函数unittest.main负责替你运行测试：在测试方法前执行setUp方法，示例化所有的TestCase子类，并运行所有名称以test打头的方法。assertEqual方法检车指定的条件（这里是相等），以判断指定的测试是成功了还是失败了。

接着，我们运行前面的测试，输出的结果如下：

begin test

.begin test

----------------------------------------------------------------------

Ran 2 tests in 0.001s

可以看到，该程序运行了两个测试，每个测试前都会输出'begin test'，.表示测试成功，若测试失败，则返回的是F。

接着模拟测试出错的情形，将my_math函数中的product方法改成返回：

return x + y

再运行测试脚本，输出的结果如下：

begin test

Fbegin test

======================================================================

FAIL: test_floats (__main__.ProductTestcase)

----------------------------------------------------------------------

Traceback (most recent call last):

File "test_my_math.py", line 20, in test_floats

self.assertEqual(p, x * y, 'integer multiplication failed')

AssertionError: -2.0 != 1.0 : integer multiplication failed

======================================================================

FAIL: test_integers (__main__.ProductTestcase)

----------------------------------------------------------------------

Traceback (most recent call last):

File "test_my_math.py", line 12, in test_integers

self.assertEqual(p, x*y, 'integer multiplication failed')

AssertionError: -20 != 100 : integer multiplication failed

----------------------------------------------------------------------

Ran 2 tests in 0.001s

FAILED (failures=2)

两条测试都未通过，返回的是F，并帮助你指出了错误的地方，接下来，你应该能快速地修复这个bug。

关于unittest模块的更加详细的说明，可以参考网址： https://docs.python.org/3/library/unittest.html 。

总结

本文介绍了两个Python中的测试工具： doctest和unittest，并配以简单的例子来说明这两个测试模块的使用方法，希望能对读者有所帮助～

注意：不妨了解下笔者的微信公众号： Python爬虫与算法（微信号为：easy_web_scrape），欢迎大家关注~

python如何测试仪器_Python中的测试工具相关推荐

python 两个[]_Python中的两个测试工具
♚ 作者:jclian,喜欢算法,热爱分享,希望能结交更多志同道合的朋友,一起在学习Python的道路上走得更远! 当我们在写程序的时候,我们需要通过测试来验证程序是否出错或者存在问题,但是,编写大量 ...
Python中的测试工具
当我们在写程序的时候,我们需要通过测试来验证程序是否出错或者存在问题,但是,编写大量的测试来确保程序的每个细节都没问题会显得很繁琐.在Python中,我们可以借助一些标准模块来帮助我们自动完成测试过程 ...
python代码测试工具模块_详解Python中的测试工具
当我们在写程序的时候,我们需要通过测试来验证程序是否出错或者存在问题,但是,编写大量的测试来确保程序的每个细节都没问题会显得很繁琐.在Python中,我们可以借助一些标准模块来帮助我们自动完成测试过程 ...
python numpy和pandas数据处理_python中添加数据分析工具numpy和pandas
python中添加数据分析工具numpy和pandas 最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网 ...
python3库黑客_想知道黑客为什么首先Python吗？看看这些渗透测试工具和库
前言你知道现在为什么许多黑客都首先选择Python吗,因为快呀,具有许多强大的渗透测试工具和强大的库支持,开发又快又好,优点多多.如果你喜欢漏洞研究,喜欢渗透测试,逆向工程等等,强烈建议学学Pytho ...
python购物车结算_python中购物车
python的基础语法 python数据类型:(按特征划分) 数字类型: 1.整形:布尔形.长整型L.标准整形 2.非整形:双精度型.复数.decimal(不是内建类型) 序列类型: 1.字符串(st ...
python adb模块_python中adb有什么功能
ADB是Android SDK中的一个工具, 使用ADB可以直接操作管理Android模拟器或者真实的Andriod设备. ADB主要功能有: 1.在Android设备上运行Shell(命令行) 2. ...
BoooLee pyretoolkit -- 一个基于python re模块的在线正则表达式测试工具
为了学习python re模块正则表达式,寻找了一些正则表达式工具,除了komodo捆绑的rx toolkit外,其他的测试工具都是基于.net或其他引擎的,语法上多少有点出入. 干错自己写一个,用了 ...
python解析原理_Python 中 -m 的典型用法、原理解析与发展演变
在命令行中使用 Python 时,它可以接收大约 20 个选项(option),语法格式如下: python [-bBdEhiIOqsSuvVWx?] [-c command | -m module- ...

python如何测试仪器_Python中的测试工具

python如何测试仪器_Python中的测试工具相关推荐

最新文章

热门文章