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-*-

defstring_lower(string):

'''

返回一个字符串的小写

:paramstring:type:str

:return:thelowerofinputstring

>>>string_lower('AbC')

'abc'

>>>string_lower('ABC')

'abc'

>>>string_lower('abc')

'abc'

'''

returnstring.lower()

if__name__=='__main__':

importdoctest,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pythontest_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pythontest_string_lower.py-v，输出的结果如下：

Trying:

string_lower('AbC')

Expecting:

'abc'

ok

Trying:

string_lower('ABC')

Expecting:

'abc'

ok

Trying:

string_lower('abc')

Expecting:

'abc'

ok

1itemshadnotests:

test_string_lower

1itemspassedalltests:

3testsintest_string_lower.string_lower

3testsin2items.

3passedand0failed.

Testpassed.

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：

returnstring.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：

Failedexample:

string_lower('abc')

Expected:

'abc'

Got:

'ABC'

1itemshadnotests:

test_string_lower

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

1itemshadfailures:

3of3intest_string_lower.string_lower

3testsin2items.

0passedand3failed.

***TestFailed***3failures.

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。

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-*-

defproduct(x,y):

'''

:paramx:int,float

:paramy:int,float

:return:x*y

'''

returnx*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：

importunittest,my_math

classProductTestcase(unittest.TestCase):

defsetUp(self):

print('begintest')

deftest_integers(self):

forxinrange(-10,10):

foryinrange(-10,10):

p=my_math.product(x,y)

self.assertEqual(p,x*y,'integermultiplicationfailed')

deftest_floats(self):

forxinrange(-10,10):

foryinrange(-10,10):

xx=x/10

yy=y/10

p=my_math.product(x,y)

self.assertEqual(p,x*y,'integermultiplicationfailed')

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：

begintest

.begintest

.

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

Ran2testsin0.001s

OK

可以看到，该程序运行了两个测试，每个测试前都会输出'begintest'，.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：

returnx+y

再运行测试脚本，输出的结果如下：

begintest

Fbegintest

F

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

FAIL:test_floats(__main__.ProductTestcase)

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

Traceback(mostrecentcalllast):

File"test_my_math.py",line20,intest_floats

self.assertEqual(p,x*y,'integermultiplicationfailed')

AssertionError:-2.0!=1.0:integermultiplicationfailed

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

FAIL:test_integers(__main__.ProductTestcase)

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

Traceback(mostrecentcalllast):

File"test_my_math.py",line12,intest_integers

self.assertEqual(p,x*y,'integermultiplicationfailed')

AssertionError:-20!=100:integermultiplicationfailed

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

Ran2testsin0.001s

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。

以上内容为大家介绍了Python中的两个测试工具，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。http://www.mobiletrain.org/

上一篇

使用Black自由格式化Python

下一篇

Python在智能化运维中的运用