各位观众，早上好/下午好/晚上好！ 欢迎来到今天的“Python高级技术之pytest的markers”讲座。今天我们来聊聊pytest中一个非常实用，但又经常被忽视的功能——markers。用好了它，你的测试用例管理和执行效率绝对能上一个台阶。 什么是markers？简单粗暴的定义 markers，你可以把它理解为测试用例的“标签”或者“分组标识”。就像给文件打标签一样，你可以给你的测试用例打上各种各样的标签，比如“性能测试”、“数据库测试”、“UI测试”、“冒烟测试”等等。 markers有什么用？ 有了这些标签，你就可以： 分组执行测试用例：只运行打着特定标签的测试用例。 排除特定测试用例：跳过打着某些标签的测试用例。 为测试用例添加元数据：比如，标记某个测试用例需要特定的环境或者参数。 生成测试报告：根据标签对测试结果进行分类和统计。 总而言之，markers能让你更灵活、更有条理地管理和执行你的测试用例。 markers的基本用法：上手非常容易 注册markers (可选但推荐) 虽然pytest允许你直接使用未注册的markers，但强烈建议你先在pytest.ini或py …
Python高级技术之：`Python`的`doctest`：在文档字符串中编写可执行的测试用例。
各位朋友，晚上好！我是老码，今天咱们来聊聊Python里一个挺有意思的小工具，叫做 doctest。 别看它名字有点儿学术，其实用起来特别接地气，能让你直接在文档字符串里写测试用例，就像给代码写小作文一样。 一、doctest 是个啥？ 简单来说，doctest 是 Python 自带的一个模块，它允许你在文档字符串（docstring）里面嵌入测试用例。这些测试用例长得有点像 Python 交互式解释器的会话记录。 doctest 会读取这些会话记录，然后执行里面的代码，检查实际输出是否和文档字符串里写的一样。 如果不一样，就说明你的代码有问题了，赶紧去修bug吧！ 二、为什么要用 doctest？ 你可能会问，现在测试框架那么多，unittest、pytest 哪个不比 doctest 强大？ 为什么还要用它呢？ 简单易用： doctest 不需要额外的安装，Python 自带。而且语法简单，只要会写 Python 代码，就能写 doctest。 文档即测试： doctest 把测试用例和文档放在一起，保证了文档的准确性。 写完代码，顺手写几个测试用例，就相当于给代码写了一份说明书 …
Python高级技术之：`Python`的`Pyflakes`和`Pylint`：如何进行静态代码分析。
各位观众，大家好！我是你们今天的代码分析师，代号“Bug终结者”。今天咱们聊聊Python代码的“体检”工具——Pyflakes和Pylint。别怕，不是真的体检，不用脱衣服，只是给你的代码做个“全身检查”，看看有没有小毛病，提前预防“代码癌症”。 第一部分：静态代码分析是个啥？ 想象一下，你写了一段代码，兴冲冲地运行，结果啪的一声，报错了！是不是很尴尬？静态代码分析就像一位经验丰富的医生，它在你运行代码之前，就能帮你找出代码中的潜在问题，比如： 语法错误： 比如少个括号，拼写错误，这些低级错误。 未使用的变量： 定义了变量，但是从来没用过，占着茅坑不拉屎。 导入错误： 导入了不存在的模块，或者循环导入。 代码风格问题： 代码写的不够优雅，不符合PEP 8规范。 为什么要在运行前发现这些问题呢？ 节省时间： 避免运行时的错误，减少调试时间。 提高代码质量： 让你的代码更健壮，更易于维护。 团队协作： 统一代码风格，方便团队成员阅读和理解。 第二部分：Pyflakes：轻量级的“语法警察” Pyflakes是一个非常轻量级的静态代码分析工具，它的目标是快速找到代码中的错误。你可以把它想象 …
Python高级技术之：`Python`的`monkey patching`：在测试中临时修改代码行为。
各位观众，晚上好！我是今天的讲师，咱们今晚要聊的是Python里一项有点“野路子”的技术 – Monkey Patching。 听起来是不是像给猴子打补丁？ 差不多就是这个意思，只不过我们是给代码“打补丁”，而且是偷偷摸摸地打。准备好了吗？ 让我们开始吧！ 什么是 Monkey Patching？ Monkey Patching，直译过来就是“猴子补丁”。它指的是在运行时动态地修改或替换已有模块、类或函数的行为。 简单来说，就是你在程序运行的时候，悄悄地把别人的代码给换了。 这听起来是不是有点危险？确实如此！ Monkey Patching 是一把双刃剑，用得好可以解决很多问题，用不好就会制造更多问题。 Monkey Patching 的应用场景 既然这么危险，为什么还要用它呢？ 其实，在某些特定的场景下，Monkey Patching 还是非常有用的。 比如： 测试 (Testing): 这是 Monkey Patching 最常见的应用场景。 在测试中，我们经常需要模拟一些外部依赖，例如数据库连接、网络请求等。 使用 Monkey Patching 可以很方便地替换这些外部依赖，以 …
Python高级技术之：`pytest-asyncio`：如何测试异步`Python`代码。
各位观众老爷，大家好！我是你们的老朋友，今天咱来聊聊Python异步代码的测试，特别是用pytest-asyncio这玩意儿。保证让各位听完之后，腰不酸了，腿不疼了，测试异步代码也更有劲儿了！ Part 1: 异步编程的那些事儿 首先，咱得稍微回顾一下异步编程。为啥要有异步？简单来说，就是为了让你的程序在等待某些耗时操作（比如网络请求、数据库查询）的时候，别傻乎乎地干等着。它可以去干点别的，等数据回来了再回来处理。这样就能提高程序的效率。 Python里实现异步编程，主要靠asyncio库。它引入了async和await这两个关键字。async用来声明一个协程函数，await用来等待一个协程函数完成。 举个例子，假设我们要异步地从两个网站获取数据： import asyncio import aiohttp async def fetch_url(url): async with aiohttp.ClientSession() as session: async with session.get(url) as response: return await response.text( …
Python高级技术之：`Python`的`TDD`（测试驱动开发）：在`Python`项目中的实践。
各位朋友，大家好！我是老码农，今天咱们聊聊一个听起来高大上，但实际上贼好用的东西：Python 的 TDD，也就是测试驱动开发。别怕，这玩意儿真没那么难，学会了能让你的代码质量蹭蹭往上涨，还能让你少掉点头发（前提是你别熬夜写代码）。 废话不多说，咱们直接开始！ 一、啥是 TDD？为啥要用它？ TDD，Test-Driven Development，翻译过来就是“测试驱动开发”。顾名思义，就是先写测试，再写代码。这听起来有点反直觉，对吧？正常人都是先写代码，然后觉得差不多了再写点测试意思意思。但 TDD 的精髓就在于“先测试，后实现”。 为啥要这么干呢？好处多了去了： 保证代码质量： 因为你先写了测试，所以你的代码必须通过测试才能算完成。这就像有个严格的老师盯着你，逼着你写出高质量的代码。 明确需求： 写测试的过程，其实就是梳理需求的过程。你能更清楚地知道你的代码应该做什么，不应该做什么。 减少 Bug： 提前写了测试，就能在开发过程中及时发现 Bug，而不是等到上线了才发现，那时候就晚了。 提高代码可维护性： 测试就像一份代码的说明书，能帮助你理解代码的功能和用法，方便以后维护和修改。 …
Python高级技术之：`pytest`的参数化测试：`@pytest.mark.parametrize`的实践。
各位观众老爷，欢迎来到今天的Pytest参数化测试专场！我是你们的老朋友，今天就来跟大家聊聊@pytest.mark.parametrize这个神器，保证让你的测试代码高效又优雅。 一、什么是参数化测试？ 想象一下，你要测试一个计算平方的函数。如果只用一个数字测试，万一这个数字是个特殊值，测试结果就不能保证函数的通用性。如果用多个数字测试，比如 0, 1, 2, 3, -1, -2，那结果是不是更有说服力？ 这就是参数化测试的魅力：用不同的输入值，重复执行同一个测试函数，验证函数的正确性。这样可以有效覆盖各种边界条件和典型场景，提高测试的覆盖率和可靠性。 二、@pytest.mark.parametrize：你的参数化好帮手 @pytest.mark.parametrize 是 Pytest 提供的装饰器，专门用来实现参数化测试。它可以将多个参数组合传递给一个测试函数，让测试函数在不同的参数下运行多次。 三、@pytest.mark.parametrize 的基本用法 @pytest.mark.parametrize 的基本语法如下： @pytest.mark.parametrize( …
继续阅读“Python高级技术之：`pytest`的参数化测试：`@pytest.mark.parametrize`的实践。”
Python高级技术之：`Python`的`coverage`库：如何进行代码覆盖率测试。
各位观众老爷，晚上好！我是你们的老朋友，代码界的搬运工。今天咱们来聊聊一个Python开发中非常实用，但又常常被忽视的工具：coverage库。它能帮你做代码覆盖率测试，简单来说，就是看看你的测试用例到底有没有覆盖到你写的每一行代码。 一、啥是代码覆盖率？ 代码覆盖率，顾名思义，就是你的测试用例覆盖了多少百分比的代码。想象一下，你写了一个程序，就像盖了一栋房子。测试用例就像是来检查这栋房子的检查员。如果检查员只检查了客厅和卧室，没检查厨房和卫生间，那房子就可能存在隐患。代码覆盖率就是衡量检查员检查范围的指标。 常见的代码覆盖率指标有几种： 语句覆盖率 (Statement Coverage)： 你的测试用例执行了多少行代码？这是最基本的覆盖率指标，也是最容易达到的。 分支覆盖率 (Branch Coverage)： 你的测试用例覆盖了多少个 if、else、for、while 等分支？这个比语句覆盖率更严格，能发现一些隐藏的 bug。 函数覆盖率 (Function Coverage)： 你的测试用例调用了多少个函数？ 行覆盖率 (Line Coverage): 和语句覆盖率类似，统计 …
Python高级技术之：`unittest.mock`的`patch`：如何模拟复杂的外部依赖和`API`调用。
各位观众老爷们，大家好！我是今天的讲师，江湖人称“代码老司机”。今天咱们聊点高级货，关于unittest.mock模块里的patch，看看它怎么帮咱们模拟那些复杂的外部依赖和API调用，让测试变得轻松愉快。 开场白：为什么我们需要模拟？ 想象一下，你写了一个函数，这个函数要调用一个外部的API，或者需要连接一个数据库，甚至需要访问一个硬件设备。在测试的时候，你真的想每次都去调用这个API，连接数据库，甚至搬出一台硬件设备吗？ 答案当然是：NO！ 速度慢: 真实的API调用，数据库连接，IO操作等等，都会消耗大量的时间。 不稳定: 外部依赖可能会宕机，网络可能会不稳定，测试结果也会变得不可预测。 难以控制: 你无法控制API返回什么，数据库里有什么，硬件设备的状态是什么。 环境依赖: 测试环境需要配置好各种依赖，增加了测试的复杂度。 所以，我们需要模拟（Mocking）。模拟就是用假的、可控的替代品来替换真实的依赖，让测试在一个隔离、可预测的环境中运行。 unittest.mock：你的模拟利器 Python的unittest.mock模块就是来帮助我们进行模拟的。它提供了各种工具，包括 …
继续阅读“Python高级技术之：`unittest.mock`的`patch`：如何模拟复杂的外部依赖和`API`调用。”
Python高级技术之：`pytest`的`fixture`：高级用法，如模块级、会话级`fixture`和自动发现。
各位观众，欢迎来到今天的Pytest高级技巧讲座！今天我们要聊的是Pytest中的“灵魂人物”——fixture，而且是高级用法哦！ 准备好了吗？让我们一起深入fixture的世界，解锁模块级、会话级fixture以及自动发现的秘密！ 1. 什么是Fixture？为什么要用它？ 首先，给还没完全搞明白fixture的同学简单普及一下。fixture，顾名思义，就是测试用例的“固定装置”、“夹具”。它可以帮你做测试前的准备工作，比如初始化数据库连接、创建测试数据、启动服务器等等。 为什么需要fixture？ 试想一下，如果没有fixture，每个测试用例都要写重复的初始化代码，那简直是程序员的噩梦！有了fixture，我们可以把这些重复的代码提取出来，集中管理，让测试用例更加简洁、易读、易维护。 举个例子，假设我们有一个测试模块，需要连接数据库才能进行测试。没有fixture的话，每个测试用例都要写连接数据库的代码： import pytest import sqlite3 def test_user_creation(): conn = sqlite3.connect(‘test.db …
继续阅读“Python高级技术之：`pytest`的`fixture`：高级用法，如模块级、会话级`fixture`和自动发现。”