313 lines
12 KiB
Markdown
313 lines
12 KiB
Markdown
---
|
||
title: 测试和调试
|
||
description: Python 的测试和调试，主要涉及标准库的 pdb 和 unittest 和一些拓展概念，如 TDD 开发，高级测试技巧 mock 等。
|
||
keywords:
|
||
- Python
|
||
- 调试
|
||
- 测试
|
||
- pdb
|
||
- unittest
|
||
- TDD
|
||
tags:
|
||
- Python/进阶
|
||
- 技术/程序语言
|
||
author: 仲平
|
||
date: 2023-11-14
|
||
---
|
||
|
||
## 调试基础
|
||
|
||
### 理解调试
|
||
|
||
调试是软件开发过程中不可或缺的一部分。它涉及到识别和修复代码中的错误或缺陷，以确保程序按预期运行。有效的调试策略可以大幅减少开发时间，并提高代码质量。
|
||
|
||
### 基本调试技巧
|
||
|
||
最基础的调试方法是使用 `print` 语句输出变量的值或程序的执行状态。虽然简单，但这种方法在初步诊断问题时非常有效。
|
||
|
||
```python
|
||
def add(a, b):
|
||
print(f"a: {a}, b: {b}") # 输出参数值
|
||
return a + b
|
||
|
||
result = add(5, '3')
|
||
print(f"结果: {result}")
|
||
```
|
||
|
||
在这个例子中，`print` 语句帮助我们理解错误发生的原因：尝试将整数和字符串相加。
|
||
|
||
## Python 调试器（pdb）
|
||
|
||
Python 的内置调试器 `pdb` 是一个非常强大的交互式调试工具，它允许开发者逐行执行代码，检查当前的变量状态，评估表达式，甚至在运行时修改代码。
|
||
|
||
### 基本使用
|
||
|
||
使用 `pdb` 的最简单方式是在代码中插入断点。可以通过在代码中添加 `import pdb; pdb.set_trace()` 来实现这一点。当程序执行到这一行时，它将暂停执行并进入**交互式调试模式。**
|
||
|
||
```python
|
||
import pdb
|
||
|
||
def my_function(arg1, arg2):
|
||
# 设置断点
|
||
pdb.set_trace()
|
||
# breakpoint()
|
||
return arg1 + arg2
|
||
|
||
result = my_function(2, 3)
|
||
```
|
||
|
||
当程序运行到 `pdb.set_trace()` 时，程序将暂停，并出现一个交互式的调试环境。Python 3.8 版本以后可以使用 `breakpoint()` 替代 `import pdb;pdb.set_trace()`
|
||
|
||
### 调试命令
|
||
|
||
在 `pdb` 的调试环境中，有多种命令可用于调试程序：
|
||
|
||
| 命令 | 描述 |
|
||
| -------------- | ------------------------------------------------------------ |
|
||
| `l (list)` | 显示当前位置周围的代码。 |
|
||
| `n (next)` | 执行程序的下一行代码。如果当前行调用了一个函数，不会进入该函数内部。 |
|
||
| `c (continue)` | 从当前位置继续执行程序，直到遇到下一个断点。 |
|
||
| `b (break)` | 在指定的行号处设置断点。例如 `b 120` 在第 120 行设置断点。 |
|
||
| `s (step)` | 执行下一行代码，如果当前行调用了一个函数，则进入该函数内部。 |
|
||
| `p (print)` | 打印一个表达式的值。例如 `p my_var` 打印变量 `my_var` 的值。 |
|
||
| `q (quit)` | 退出调试器。 |
|
||
| `r (return)` | 继续执行，直到当前函数返回。 |
|
||
| `a (args)` | 打印当前函数的参数列表。 |
|
||
| `j (jump)` | 将当前执行位置跳转到指定的行。例如 `j 50` 跳转到第 50 行。 |
|
||
| `h (help)` | 显示命令列表或查找特定命令的帮助信息。 |
|
||
| `!` | 执行任意 Python 代码。例如 `!x = 5` 会设置变量 `x` 的值为 5。 |
|
||
|
||
### 调试流程
|
||
|
||
在 `pdb` 中，通常的调试流程包括设置断点、运行程序、在断点处暂停、检查变量值或程序状态、逐步执行代码，并根据需要重复这个过程。
|
||
|
||
```mermaid
|
||
sequenceDiagram
|
||
participant P as 程序员
|
||
participant I as IDE/调试器
|
||
participant C as 代码
|
||
|
||
P->>+I: 启动调试
|
||
I->>+C: 运行到断点
|
||
C-->>-I: 暂停执行，显示当前状态
|
||
loop 检查和调整
|
||
P->>+I: 检查变量和堆栈
|
||
I->>+C: 获取信息
|
||
C-->>-I: 返回信息
|
||
P->>I: 修改代码或断点
|
||
end
|
||
P->>+I: 继续执行/单步执行
|
||
I->>+C: 执行下一步
|
||
C-->>-I: 更新状态
|
||
P->>I: 停止调试/修复代码
|
||
I-->>-P: 结束调试会话
|
||
|
||
```
|
||
|
||
### 高级使用
|
||
|
||
`pdb` 还提供了一些高级功能，比如：
|
||
|
||
- **条件断点**：您可以设置一个条件断点，只有在特定条件满足时才会停止。
|
||
|
||
```python
|
||
pdb.set_trace()
|
||
# 在命令行中使用
|
||
# b 54, x > 100
|
||
# b 命令 54 行设置 x 大于 100 停止
|
||
```
|
||
|
||
- **后期调试**：如果程序崩溃，可以使用 `pdb.pm()` 来进行后期调试。
|
||
|
||
### 命令行调试
|
||
|
||
您也可以直接从命令行启动 `pdb`。这在调试脚本时非常有用。
|
||
|
||
```shell
|
||
python -m pdb my_script.py
|
||
```
|
||
|
||
在这种模式下，`pdb` 将在脚本开始执行之前启动，允许您提前设置断点。
|
||
|
||
## Python 单元测试（unittest）
|
||
|
||
`unittest` 是 Python 内置的测试框架，灵感来源于 JUnit。它支持自动化测试，共享测试设置（setup）和关闭代码（teardown），聚集多个测试用例，以及与测试框架的集成等功能。
|
||
|
||
### 基本概念
|
||
|
||
- **测试用例（TestCase）**：测试用例是 `unittest` 中的基本单元。每一个测试用例是 `unittest.TestCase` 的子类，通常包含多个**以 `test` 开头的方法**，这些方法是实际的测试脚本。
|
||
- **测试套件（TestSuite）**：测试套件是一系列的测试用例或测试套件。它用于聚合需要一起执行的测试用例。
|
||
- **测试运行器（TestRunner）**：测试运行器是用于执行和控制测试的组件。默认的运行器会将测试结果输出到标准输出。
|
||
- **测试装置（TestFixture）**：测试装置指的是执行一系列测试所需的准备工作及相关的清理操作。这通常包括 `setUp()` 和 `tearDown()` 方法。
|
||
|
||
### 基本的测试用例
|
||
|
||
使用 `unittest` 编写测试用例通常涉及创建一个继承自 `unittest.TestCase` 的类，并在其中定义一系列的测试方法。
|
||
|
||
```python
|
||
import unittest
|
||
|
||
class MyTest(unittest.TestCase):
|
||
def setUp(self):
|
||
# 测试前的准备工作
|
||
pass
|
||
|
||
# 类内部 test 开头的方法视为一个测试用例
|
||
def test_something(self):
|
||
# 实际的测试内容
|
||
self.assertEqual(1 + 1, 2)
|
||
|
||
def tearDown(self):
|
||
# 测试后的清理工作
|
||
pass
|
||
|
||
if __name__ == '__main__':
|
||
unittest.main()
|
||
```
|
||
|
||
在这个例子中，`MyTest` 类包含了一个简单的测试方法 `test_something`，它测试了 `1 + 1` 是否等于 `2`。
|
||
|
||
### 断言方法
|
||
|
||
`unittest` 提供了一系列的断言方法来检查期望和实际结果。常用的断言方法包括：
|
||
|
||
| 方法 | 描述 |
|
||
| -------------------------------------------- | ----------------------------------------- |
|
||
| `assertEqual(a, b)` | 检查 `a` 是否等于 `b` |
|
||
| `assertNotEqual(a, b)` | 检查 `a` 是否不等于 `b` |
|
||
| `assertTrue(x)` | 检查 `x` 是否为 `True` |
|
||
| `assertFalse(x)` | 检查 `x` 是否为 `False` |
|
||
| `assertIs(a, b)` | 检查 `a` 是否是 `b` （`a is b`） |
|
||
| `assertIsNot(a, b)` | 检查 `a` 是否不是 `b` |
|
||
| `assertIsNone(x)` | 检查 `x` 是否为 `None` |
|
||
| `assertIsNotNone(x)` | 检查 `x` 是否不是 `None` |
|
||
| `assertIn(a, b)` | 检查 `a` 是否在 `b` 中 |
|
||
| `assertNotIn(a, b)` | 检查 `a` 是否不在 `b` 中 |
|
||
| `assertIsInstance(a, b)` | 检查 `a` 是否是 `b` 类型的实例 |
|
||
| `assertNotIsInstance(a, b)` | 检查 `a` 是否不是 `b` 类型的实例 |
|
||
| `assertRaises(Error, func, *args, **kwargs)` | 检查调用 `func` 时是否抛出了 `Error` 异常 |
|
||
|
||
### 设置和清理
|
||
|
||
通过定义 `setUp` 和 `tearDown` 方法，可以在每个测试方法执行前后进行设置和清理工作。
|
||
|
||
```python
|
||
class MyTest(unittest.TestCase):
|
||
def setUp(self):
|
||
# 测试前的设置
|
||
self.resource = allocate_resource()
|
||
|
||
def tearDown(self):
|
||
# 测试后的清理
|
||
self.resource.release()
|
||
```
|
||
|
||
### 运行测试
|
||
|
||
通常有两种方式运行测试：
|
||
|
||
- 直接运行测试文件：如果 `unittest.main()` 被调用，当 Python 文件被直接运行时，测试将被执行。
|
||
- 使用命令行：可以使用 Python 的 `-m unittest` 命令来发现和运行测试。
|
||
|
||
```shell
|
||
python -m unittest discover
|
||
```
|
||
|
||
## 测试驱动开发（TDD）
|
||
|
||
### TDD 概念
|
||
|
||
测试驱动开发（TDD）是一种软件开发方法，它要求开发人员先编写测试用例，然后编写能够通过这些测试的代码。这种方法强调先有测试，后有实现，有助于创建更可靠、更易维护的代码。
|
||
|
||
### 实践 TDD
|
||
|
||
**在 TDD 实践中，开发过程分为三个主要步骤：编写失败的测试、编写通过测试的代码、重构代码。**
|
||
|
||
```python
|
||
# 假设我们有一个待实现的函数 add
|
||
# 首先编写测试用例
|
||
class TestAddFunction(unittest.TestCase):
|
||
def test_add_numbers(self):
|
||
self.assertEqual(add(1, 2), 3)
|
||
|
||
# 接着实现函数
|
||
def add(a, b):
|
||
return a + b
|
||
|
||
# 最后运行测试，确认通过
|
||
```
|
||
|
||
通过重复这个循环，逐步构建并完善整个程序。
|
||
|
||
## 高级测试技巧
|
||
|
||
### 集成测试和系统测试
|
||
|
||
集成测试是指在单元测试的基础上，测试多个模块或组件协同工作的情况。系统测试则是测试整个应用程序的行为。
|
||
|
||
### Mocking 和 Patching
|
||
|
||
在测试过程中，我们经常需要模拟（Mock）某些对象或函数的行为，以便于在测试环境中替换掉它们。Python 的 `unittest.mock` 模块提供了强大的工具来进行 Mocking 和 Patching。
|
||
|
||
```python
|
||
from unittest.mock import MagicMock
|
||
|
||
# 假设我们要测试以下函数
|
||
def fetch_data(api_client):
|
||
return api_client.get_data()
|
||
|
||
# 我们可以这样模拟 API 客户端
|
||
class TestFetchData(unittest.TestCase):
|
||
def test_fetch_data(self):
|
||
mock_client = MagicMock()
|
||
mock_client.get_data.return_value = 'mock data'
|
||
self.assertEqual(fetch_data(mock_client), 'mock data')
|
||
```
|
||
|
||
在这个例子中，我们使用 `MagicMock` 来模拟 API 客户端的行为。
|
||
|
||
## 测试框架和工具
|
||
|
||
### 探索其他测试框架
|
||
|
||
除了 `unittest`，Python 还有其他流行的测试框架，如 `pytest` 和 `nose`。它们提供了更简洁的语法和更丰富的功能。
|
||
|
||
### 代码覆盖率工具
|
||
|
||
代码覆盖率是衡量测试完整性的重要指标。Python 的 `coverage.py` 工具可以帮助测量代码覆盖率，确保测试覆盖了所有重要的代码路径。
|
||
|
||
## 持续集成 (CI)
|
||
|
||
### 持续集成简介
|
||
|
||
持续集成（CI）是一种软件开发实践，开发者经常将代码集成到共享仓库中。每次集成都通过自动化构建来验证，以尽早发现集成错误。
|
||
|
||
### 使用 CI 工具
|
||
|
||
CI 工具如 Jenkins、Travis CI 和 GitHub Actions 可以帮助自动化测试流程，确保代码更改不会破坏现有功能。
|
||
|
||
```yaml
|
||
# 示例：GitHub Actions 配置文件
|
||
name: Python CI
|
||
|
||
on: [push]
|
||
|
||
jobs:
|
||
build:
|
||
|
||
runs-on: ubuntu-latest
|
||
|
||
steps:
|
||
- uses: actions/checkout@v2
|
||
- name: Set up Python
|
||
uses: actions/setup-python@v2
|
||
with:
|
||
python-version: 3.8
|
||
- name: Install dependencies
|
||
run: |
|
||
pip install -r requirements.txt
|
||
- name: Run tests
|
||
run: |
|
||
python -m unittest
|
||
```
|