Python学习笔记_第十六张：测试

先测试后编码

精确的需求说明

现在可以在Python内明确需求，让解释器检查程序是否满足需求，这无疑是个好消息。

测试的四个步骤

• 指出新特性
• 编写特性的骨架代码
• 为特性的骨架代码编写哑代码
• 现在重写代码，使它完成工作

测试工具

• unittest：通用测试框架
• doctest：简单一些的模块，是检查文档用的，但是对于编写单元测试很在行。

doctest

def square(x):
    '''
    Squares a number and returns the result.
    >>> square(2)
    4
    >>> square(3)
    9
    '''
    return x * x
if __name__ == '__main__':
    import doctest, doctest_test
    doctest.testmod(doctest_test)

运行结果图
如上，执行doctest_test.py，什么都没发生，但是这是好事，doctest.testmod函数从一个模块读取所有的文档字符串，找出所有看起来像是在交互式解释器中输入的例子的文本，之后检查例子是否符合实际要求。
为了获取更多的信息，可以执行如下：
详细结果
有关doctest的更多信息，请查看库参考(http://python.org/doc/lib/module-doctest.html)。

unittest

尽管doctest简单易用，但是unittest(基于java的流行框架JUnit)则更灵活和强大，利用它可以结构化编写大型且周详的测试集。请参考:http://python.org/doc/lib/module-unittest.html
其他测试工具有pytest和nose
下面是unittest的一个例子

import unittest, my_math

class ProductTestCase(unittest.TestCase):
    def testIntegers(self):
        for x in xrange(-10, 10):
            for y in xrange(-10, 10):
                p = my_math.product(x, y)
                self.failUnless(p == x * y, 'Integer multiplication failed')

    def testFloats(self):
        for x in xrange(-10, 10):
            for y in xrange(-10, 10):
                x = x / 10.0
                y = y / 10.0
                p = my_math.product(x, y)
                self.failUnless(p == x * y, 'Float multiplication failed')
if __name = '__main__':unittest.main()

运行以上代码会出现关键字my_math不存在异常，类似于failUnless其他的方法还有：failIf、failUnlessEqual、failIfEqual等，查看库参考http://python.org/doc/lic/testcase-objests.html获取更多信息。
unittest会区分由异常引发的错误和由调用failUnless等函数导致的错误。
也有针对unittest的GUI。请参见PyUnit(unittest的另一个名字)获取更多信息。

单元测试以外

源代码检查是一种寻找代码中普通错误的方法，有点像但不局限与编译器处理静态语言。
性能分析是查明程序到底有多快的方法
编程有一条黄金法则：“使其工作、使其更好、使其更快”。

使用PyChecker和PyLint检查源代码

PyChecker:jiancha Python源代码、寻找提供的参数不满足函数参数要求等错误的重要工具。
tabnanny:只能检查缩进格式。
PyLint:支持PyChecker的大多数功能和其他功能，可以提示使用的短变量名。
Pychecker安装：

• Pychecker下载地址：http://sourceforge.net/projects/pychecker/
• 进入解压后的文件夹，运行命令python setup.py install
• 在python的安装目录\Scripts下出现pychecker.bat文件，将Scripts目录加到Path环境变量中
  PyLint的安装：
  pip install pylint
  PyLint还需要Logilab Common库，需要从PyLint网站（https://www.pylint.org/）下载。（这步没做）
  安装完成后这两个工具就可以作为命令行脚本或者作为Python模块导入，名字为pychecker和pylint。
  导入pychecker.checker后，它会检查之后的代码（包括导入的模块）
  pylint.lint有一个叫Run的非文档记型函数（带有命令行选项的函数）可以在pylint脚本本身中使用。
  没有break、raise或者return语句的while True，一般情况下是无法检测的。

性能分析

标准库中已经包含了一个叫做profile的分析模块（还有一个更快的嵌入式c语言版本，叫hotshot）。使用分析程序非常简单，只要使用字符串参数调用它的run方法就行。

>>> import profile
>>> from my_math import product
>>> profile.run('product(1, 2)')

在Linux的某些发布版本中可能需要安装单独的包让profile模块可以工作。
如果用文件名设置了第二个参数，分析结果会保存在文件中，可以使用pstats模块检查结果。

>>> import pstats
>>> p = pstats.Stats('file_name')

标准库中还包括一个timeit模块，它是测定Python小代码段运行时间的简单方法。可以参考http://python.org/doc/lib/module-timeit.html