Python进阶教程：单元测试与代码质量

🕒 阅读时间：6 分钟📝 字数：1057👀 阅读量：Loading...
查看 Markdown 原文

目录

本文是 Python 入门教程系列 的第 14 篇（扩展篇）。上一篇讲解了装饰器与生成器，本篇介绍如何用单元测试保障代码质量。

一、为什么需要测试

随着代码规模增长，手动验证越来越不可靠。自动化测试能：

  • 快速回归：改动代码后立即发现是否破坏原有功能
  • 驱动设计：写测试时倒逼代码结构清晰
  • 保障重构：放心地优化代码而不怕改坏

二、unittest 基础

unittest 是 Python 内置测试框架：

import unittest


def add(a, b):
    return a + b


def divide(a, b):
    if b == 0:
        raise ValueError("除数不能为零")
    return a / b


class TestMath(unittest.TestCase):
    def test_add(self):
        self.assertEqual(add(1, 2), 3)
        self.assertEqual(add(-1, 1), 0)


    def test_divide(self):
        self.assertEqual(divide(10, 2), 5)
        with self.assertRaises(ValueError):
            divide(10, 0)


if __name__ == "__main__":
    unittest.main()

运行：python -m unittest test_math.py

三、setUp 与 tearDown

import unittest


class TestDatabase(unittest.TestCase):
    def setUp(self):
        """每个测试前执行"""
        self.data = {"name": "Alice", "age": 20}


    def tearDown(self):
        """每个测试后执行"""
        self.data.clear()


    def test_data(self):
        self.assertEqual(self.data["name"], "Alice")


    @classmethod
    def setUpClass(cls):
        """整个测试类执行前运行一次"""
        print("开始测试")


    @classmethod
    def tearDownClass(cls):
        """整个测试类执行后运行一次"""
        print("测试结束")

四、pytest：更简洁的框架

pytest 语法更简洁，是社区主流（pip install pytest）：

test_calculator.py
import pytest


def add(a, b):
    return a + b


def test_add_positive():
    assert add(1, 2) == 3


def test_add_negative():
    assert add(-1, -2) == -3


# 参数化测试
@pytest.mark.parametrize("a,b,expected", [
    (1, 2, 3),
    (0, 0, 0),
    (-5, 5, 0),
])
def test_add_param(a, b, expected):
    assert add(a, b) == expected


# 异常断言
def test_add_raises():
    with pytest.raises(TypeError):
        add("1", 2)

运行：pytest test_calculator.py -v

五、Mock：模拟外部依赖

测试中经常需要模拟网络、数据库等外部依赖：

from unittest.mock import Mock, patch


def get_user_data(api):
    """从 API 获取用户数据（依赖外部服务）"""
    resp = api.get("/users/1")
    return resp.json()["name"]


def test_get_user_data():
    # 创建一个 Mock API
    mock_api = Mock()
    mock_api.get.return_value.json.return_value = {"name": "Alice"}


    result = get_user_data(mock_api)
    assert result == "Alice"
    mock_api.get.assert_called_with("/users/1")

六、代码质量工具

6.1 代码风格检查

Terminal window
# 安装
pip install flake8 black mypy


# 检查代码风格
flake8 my_module.py


# 自动格式化
black my_module.py


# 类型检查
mypy my_module.py

6.2 覆盖率统计

Terminal window
# 安装
pip install coverage


# 统计测试覆盖率
coverage run -m pytest
coverage report  # 查看报告
coverage html    # 生成 HTML 报告

七、实战：为工具类编写测试

calculator.py
class Calculator:
    def add(self, a, b):
        return a + b


    def subtract(self, a, b):
        return a - b


    def multiply(self, a, b):
        return a * b


    def divide(self, a, b):
        if b == 0:
            raise ValueError("不能除以零")
        return a / b
test_calculator.py
import pytest
from calculator import Calculator


@pytest.fixture
def calc():
    """测试夹具：为每个测试提供实例"""
    return Calculator()


def test_add(calc):
    assert calc.add(2, 3) == 5


def test_subtract(calc):
    assert calc.subtract(10, 4) == 6


def test_divide(calc):
    assert calc.divide(8, 2) == 4


def test_divide_by_zero(calc):
    with pytest.raises(ValueError):
        calc.divide(1, 0)

总结

本篇介绍了 unittest 与 pytest 两大测试框架、Mock 模拟外部依赖、以及 flake8/black/mypy/coverage 等代码质量工具，并为计算器类编写了完整测试。养成写测试的习惯，是成为专业开发者的重要一步。

Python进阶教程：单元测试与代码质量

作者：Wang Shijie

本文链接：https://wsj-blog.pages.dev/posts/python-jin-jie-jiao-cheng-dan-yuan-ce-shi-yu-dai-ma-zhi/

本文采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

Creative Commons

留言评论