编辑“︁Python 单元测试”︁（章节）

= Python单元测试 =

'''单元测试'''是软件开发中的一种测试方法，用于验证代码的最小可测试单元（通常是函数或方法）是否按预期工作。在Python中，单元测试通常使用内置的[[unittest]]模块或第三方库（如[[pytest]]）来实现。单元测试有助于提高代码质量、减少错误，并支持代码重构。

== 为什么需要单元测试？ ==
单元测试的主要目的是：
* '''隔离问题'''：测试单个函数或方法，确保其行为正确。
* '''快速反馈'''：在开发过程中快速发现错误。
* '''文档作用'''：测试代码可以作为示例，说明函数的使用方式。
* '''支持重构'''：修改代码时，单元测试可以验证功能是否依然正常。

== Python中的单元测试框架 ==
Python提供了多种单元测试框架，其中最常用的是：
* '''unittest'''：Python标准库中的测试框架，基于JUnit设计。
* '''pytest'''：功能更强大、语法更简洁的第三方测试框架。

=== unittest 示例 ===
以下是一个使用unittest模块的简单示例：

<syntaxhighlight lang="python">
import unittest

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

class TestAddFunction(unittest.TestCase):
    def test_add_positive_numbers(self):
        self.assertEqual(add(2, 3), 5)

    def test_add_negative_numbers(self):
        self.assertEqual(add(-1, -1), -2)

    def test_add_zero(self):
        self.assertEqual(add(0, 0), 0)

if __name__ == '__main__':
    unittest.main()
</syntaxhighlight>

'''输出示例：'''
<pre>
...
----------------------------------------------------------------------
Ran 3 tests in 0.001s

OK
</pre>

=== pytest 示例 ===
pytest提供了更简洁的语法：

<syntaxhighlight lang="python">
def multiply(a, b):
    return a * b

def test_multiply_positive_numbers():
    assert multiply(2, 3) == 6

def test_multiply_by_zero():
    assert multiply(5, 0) == 0
</syntaxhighlight>

运行测试只需在命令行执行：
<pre>pytest test_file.py</pre>

== 测试驱动开发（TDD） ==
测试驱动开发是一种先写测试再实现功能的开发方法。其流程如下：

<mermaid>
graph LR
    A[编写测试] --> B[运行测试]
    B --> C{测试通过?}
    C -->|否| D[编写实现代码]
    D --> B
    C -->|是| E[重构代码]
    E --> B
</mermaid>

== 高级单元测试技巧 ==

=== 测试夹具（Fixtures） ===
测试夹具用于准备测试环境和清理资源。在unittest中，可以使用<code>setUp()</code>和<code>tearDown()</code>方法：

<syntaxhighlight lang="python">
class TestDatabase(unittest.TestCase):
    def setUp(self):
        self.conn = create_test_connection()
    
    def tearDown(self):
        self.conn.close()
    
    def test_query(self):
        result = self.conn.execute("SELECT 1")
        self.assertEqual(result, [1])
</syntaxhighlight>

在pytest中，可以使用装饰器定义fixture：

<syntaxhighlight lang="python">
import pytest

@pytest.fixture
def database_connection():
    conn = create_test_connection()
    yield conn
    conn.close()

def test_query(database_connection):
    result = database_connection.execute("SELECT 1")
    assert result == [1]
</syntaxhighlight>

=== 模拟对象（Mocking） ===
使用<code>unittest.mock</code>可以创建模拟对象，避免测试依赖外部系统：

<syntaxhighlight lang="python">
from unittest.mock import Mock

def test_api_call():
    mock_response = Mock()
    mock_response.status_code = 200
    mock_response.json.return_value = {"key": "value"}
    
    # 测试代码使用mock_response而不是真实API调用
    result = process_response(mock_response)
    assert result == "value"
</syntaxhighlight>

== 实际应用案例 ==
假设我们正在开发一个银行账户系统：

<syntaxhighlight lang="python">
class BankAccount:
    def __init__(self, balance=0):
        self.balance = balance
    
    def deposit(self, amount):
        if amount <= 0:
            raise ValueError("Amount must be positive")
        self.balance += amount
    
    def withdraw(self, amount):
        if amount <= 0:
            raise ValueError("Amount must be positive")
        if amount > self.balance:
            raise ValueError("Insufficient funds")
        self.balance -= amount
</syntaxhighlight>

对应的单元测试：

<syntaxhighlight lang="python">
import unittest

class TestBankAccount(unittest.TestCase):
    def setUp(self):
        self.account = BankAccount(100)
    
    def test_initial_balance(self):
        self.assertEqual(self.account.balance, 100)
    
    def test_deposit(self):
        self.account.deposit(50)
        self.assertEqual(self.account.balance, 150)
    
    def test_withdraw(self):
        self.account.withdraw(50)
        self.assertEqual(self.account.balance, 50)
    
    def test_negative_deposit(self):
        with self.assertRaises(ValueError):
            self.account.deposit(-10)
    
    def test_overdraw(self):
        with self.assertRaises(ValueError):
            self.account.withdraw(200)
</syntaxhighlight>

== 最佳实践 ==
* 保持测试独立：每个测试应该不依赖其他测试的状态
* 测试边界条件：包括最小值、最大值和异常情况
* 测试名称应该具有描述性
* 保持测试快速运行
* 测试覆盖率不是唯一目标，测试质量更重要

== 数学基础 ==
在测试数值计算时，可能需要考虑浮点精度问题。可以使用近似比较：

<math>|a - b| < \epsilon</math>

在Python中可以实现为：

<syntaxhighlight lang="python">
def almost_equal(a, b, epsilon=1e-7):
    return abs(a - b) < epsilon
</syntaxhighlight>

== 总结 ==
单元测试是Python开发中不可或缺的一部分。通过系统性地编写测试，可以：
* 提高代码质量
* 减少回归错误
* 增强对代码修改的信心
* 提供代码行为的文档

无论是使用unittest还是pytest，良好的测试习惯都能显著提升项目的可维护性和可靠性。

[[Category:编程语言]]
[[Category:Python]]
[[Category:Python 测试与调试]]