Are you ready？
↓↓↓
今天的课程为《 Python单元测试》，内容共分为三个部分：单元测试的概念、工具与方法、Coverage 统计单元测试覆盖率的工具和Mock 简化单元测试的工具。
单元测试的概念、工具与方法
单元测试的概念
测试具有许多种不同的类型，比如说单元测试、模块测试、联调测试、系统测试、交付测试等。在这些测试之中，单元测试是最先要完成的。单元测试通常是由开发者去完成，用来验证代码中的函数是否符合预期。因此，它聚焦于函数的逻辑以及核心的算法是否正确。通常而言，一个单元测试用例是用于判断在某个特定条件或场景下，某个特定函数的行为。
单元测试的意义
单元测试的意义包括两个方面。
（1）质量
①单元测试主要针对函数，颗粒度小、测试针对性强，bug更容易暴露；
②由于单元测试覆盖面较窄，无需考虑其它函数或者所依赖的模块，所以它的场景易构造，核心功能验证更充分；
③进行单元测试保证整体代码结构良好，使代码就具有较高的可测性和可维护性。
（2）效率
单元测试能够提高开发效率，主要表现在：
①单元测试进行的时间较早，测试场景构建快，可有效减少调试时间。
②由于单元测试只针对修改的代码展开测试，无需考虑额外内容，所以在较短时间内即可把预期的逻辑测试充分。
③单元测试能够在项目开发初期发现的bug，bug发现的时间越早，所带来的收益越大。由于尽早发现bug能够节省整个项目开发的时间，所以单元测试可加快开发效率，缩短开发周期。
单元测试框架
（1）测试框架选择
在进行单元测试的时候，我们需要测试框架作为工具。一个良好的测试框架能够让测试工作事半功倍，此处我们介绍三个框架。
①Unittest是Python标准库中原生自带的，它的好处在于无兼容性问题，是其他框架的基础；不足之处在于编码略显繁琐，入门门槛稍高。
②Pytest的好处在于编码简洁、生态好、插件丰富、使用人数多；不足之处在于他属于第三方库，使用前另需提前安装。
③Nose2能够兼容Unittest,也属于第三方库，需要安装，但是与Pytest相比，它迭代缓慢，使用人数少。
在这里我们选择Unittest作为单元测试的框架，原因有二：首先，作为Python标准库中原生自带的框架，Unittest无兼容性问题；其次，第三方库难以保证长期快速迭代，易过时。
（2）Unitest的基础概念
在做单元测试之前，需要先了解一下Unittest的几个基础概念。
①Test(测试用例)，针对一个特定场景，特定目的具体测试过程。
比如说一个函数通过一组输入测试它，就是一个测试用例；如果一个函数通过三组输入来测试，即为三个测试用例。
②TestCase（测试类），可以包含同一个测试对象的多个测试用例。
如果一个函数通过三组输入来测试，也就是三个测试用例，这三个测试用例可以合成为一个测试类。
③TestSuite（测试集），可以包含多个测试类的多个测试用例。
④Assertion（断言），必须使用断言判断测试结果。
⑤TestFixture，为测试做统一的准备和清除工作，通常是初始化，连接数据库，准备数据，断开数据库，清除现场等。
扩展来说，TestFixture有四种最常使用的作用范围，分别为：
→ setUp：在测试类的每个测试用例执行前执行。
→ teardown：在测试类的每个测试用例执行后执行。
→ setUpClass：在测试类的第一个测试用例执行前执行。
→ tearDownClass：在测试类的最后一个测试用例执行后执行。
TestFixture可以让单元测试代码更简单，但并非必须使用，也不要求配对出现。
单元测试的规范
想要做好单元测试，必须遵循一定的规范。下面介绍一下单元测试涉及的规范。
（1）所有的单元测试必须使用断言（assert）判断结果，禁止出现无断言的测试用例；
使用断言，不但有利于他人理解，而且一旦出现不符合预期的情况，可以立即找出问题。
可以使用assertEqual, assertNotEqual 来判断相等或不相等，assertTrue,assertFalse 来判断Boolean, assertRaises 判断抛出的异常是否符合预期。
（2）测试用例需要具有自表述能力，达到见名知意。
比如命名test_login_with_invalid_password()，通过它的名字便可知它是用一个非法的密码去测试登录功能，具有自表述能力；但是如果命名为 test_login_case_（），名字减少了很多信息，难以得知它具体在做什么，不具有自表述能力。
（3）测试用例之间相互独立，不应相互依赖、相互调用。
（4）一个测试用例只测一个函数。一个测试用例里面可以包含这一个函数的多个场景，但不能包含有多个参数的函数。原因在于，复杂测试用例出现错误时，无法定位问题的出处。
单元测试对编码的要求
单元测试中代码需保持一致性，尽量不要出现结果不一致的情况。假设有的代码会带来不一致性，导致单元测试无法稳定运行。针对这种情况，有两种解决方案：第一，将带来不一致性的代码抽取出来，把它作为一种变量传入我们需要调用或使用一致性变量的时候；第二，借助第三部分即将讲到的一个工具——mock——来解决这种问题。
Coverage 统计 单元测试覆盖率的工具
单元测试做完之后如何评价我们单元测试的效果。此时需要用到覆盖率工具，即Coverage。Coverage是一个第三方的工具，需要提前下载安装。
（1）统计覆盖率方法
把python替换为coverage run-branch，然后会生成coverage文件，文件里会记录所有我们需要的覆盖率信息。
（2）打印覆盖率信息
执行coverage report-m 命令，读取当前目录下.coverage文件，打印覆盖率信息。输出Stmts(总行数), Miss(未覆盖行数), Branch（总分支数）, BrPart （未覆盖分支数）, Cover（覆盖率） , Missing（未覆盖具体信息）等信息。
（3）覆盖率中排除某些文件
执行coverage report-m—omit=file 1[,file 2,……] 命令, 在统计并打印覆盖率时，排除某些文件。若有多个文件用逗号分隔。
（4）生成HTML格式的覆盖率信息
针对代码量较大，查找覆盖率信息难度较大、耗时较长的情况，执行coverage html [–omit=file1[,file2,……]]命令，将覆盖率信息以html格式显示。
Mock 简化单元测试的工具
使用mock工具的原因与其功能
Mock基于实际进行单元测试的场景而产生，以下三类场景非常具有代表性：
①构造模块。需要测试模块A,但它要调用的模块B还未开发，可是测试却不容推迟、需按时进行，面对这种情况，我们可以使用Mock生成一个还未写完的代码，即可进行相应的测试。
②改变函数逻辑。代码中含有结果不可预知的代码，例如time.time()(时间)， random.random()(随机数)。Mock可以改变含有结果不可预知代码的函数的逻辑，强行让其返回我们想要的返回值，使其结果可预知。
③减少依赖。在所有模块代码都已完成，但无法保证代码稳定性的情况下。针对其他模块的质量不可靠的情况，可通过Mock工具构造一个相对稳定的模块，从而规避其他模块的问题。
Mock使用场景
通过以下10个场景来讲述Mock的常见用法。
场景01：通过 return_value，Mock可以强行修改，永远返回我们想要的返回值，支持的类型包括string,number,Boolean,list,dict等。
场景02：将前一个例子的实例名改为类名，可实现替换类方法的返回值。
场景03：通过 side_effect,根据调用次数返回想要的结果,当超出调用次数时抛StopIteration 异常。
场景04：通过 side_effect可以完全修改函数的逻辑，使用另一个函数来替换它，根据参数返回想要的结果。
场景05：通过 side_effect抛出想要的异常或错误。
场景06：针对需要mock在特定要求下生效的情况，通过with.patch.object设定一个作用域以达到限制mock作用域的目的。
场景07：获取调用信息，如函数是否被调用、函数被调用的次数、函数被调用的形式、函数调用的参数等。
场景08：通过create_autospec在返回值改变的同时，确保api不会因mock而改变。
场景09：针对需要调用的函数、调用的接口完全没有开发的情况，可以通过Mock从零构造依赖模块从而完成测试。
场景10 ：替换函数调用链。比如说用popen去执行一个命令，然后用read函数把它读取出来，再用split去做切分，这就是一个函数调用链(os.popen(cmd).read().split())。
Mock 对编码的要求
在模块引入方式上，推荐以import XXX的形式引入，以XXX.func()形式调用，不要from.xxx import *,因为需要一个链条指向它，否则无法达到我们的预期。
关于Python单元测试
我们今天就讲解到这啦