Python单元测试模块doctest的具体使用
开发高质量软件的过程中，我们经常会为每个函数编写测试，这样在开发过程中运行这些测试的时候就比较方便，doctest是一个python标准库自带的轻量单元测试工具，适合实现一些简单的单元测试。
doctest模块提供的这样的工具，用于扫描模块并验证程序文档字符串中嵌入的测试，在docstring中寻找到测试用例并执行，比较输出结果与期望值是否符合。
我们如何构造这些测试呢？很简单
在python的交互解释器中创建测试用例，并复制到docstring中
tip:doctest在docstring中寻找测试用例的时候，认为>>>是一个测试用例的开始，直到遇到空行或者下一个>>>，在两个测试用例之间有其他内容的话，会被doctest忽略（可以利用这个特性为测试用例编写一些注释）。
我先在我自己的项目下准备一个测试脚本quality_q.py：
def average(values): """Computes the arithmetic mean of a list of numbers. >>> print(average([20, 30, 70])) 40.0 """ return sum(values) / len(values) # if __name__ == '__main__': import doctest doctest.testmod(verbose=True) # automatically validate the embedded tests # 那个verbose参数，如果设置为True则在执行测试的时候会输出详细信息。 # 默认是False，表示运行测试时，只有失败的用例会输出详细信息，成功的测试用例不会输入任何信息。
启动测试的方法：
第一个是在__main__函数中调用了doctest.testmod()方法。
然后在交互解释器中执行运行脚本 python3 doctest_q.py
如果__main__函数有其他用途，不方便调用doctest.testmod()方法，那么可以用另外一种执行测试的方法：
在交互解释器中执行如下命令执行测试： python3 -m doctest doctest_q.py -v
这里 -m 表示引用一个模块，-v 等价于 verbose=True
因为我是在Pycharm中创建的文件，我就直接打开Pycharm的Terminal，然后在交互解释器中切换一下脚本目录，执行的上面说到的启动方式，（顺便复习一下os模块的常用操作）
ps:读者在测试自己的例子时只需注意一下自己的当前工作目录即可
看一下最后的结果：
➜ ForF python3
Python 3.7.3 (default, Mar 27 2019, 09:23:15)
[Clang 10.0.1 (clang-1001.0.46.3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import os
>>> os.getcwd()
'/Users/dengjiguang/PycharmProjects/ForF'
>>> os.chdir('/Users/dengjiguang/PycharmProjects/ForF'+'/python_sample/quality_control')
>>> os.system('python3 -m doctest doctest_q.py -v')
Trying:
print(average([20, 30, 70]))
Expecting:
40.0
ok
1 items had no tests:
doctest_q
1 items passed all tests:
1 tests in doctest_q.average
1 tests in 2 items.
1 passed and 0 failed.
Test passed.
0
>>>
os.getcwd()：返回当前的工作目录
os.chdir(‘path')：切换工作目录
os.system(‘command'): 执行系统shell命令
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
一个完整的神经网络一般由三层构成：输入层，隐藏层（可以有多层）和输出层。本文所构建的神经网络隐藏层只有一层。一个神经网络主要由三部分构成（代码结构上）：初始化，训练，和预测。,需要的朋友可以参考下面文章内容的具体内容2021-09-09
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的2021-11-11
今天小编就为大家分享一篇pyQT5 实现窗体之间传值的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了python对站点数据做EOF且做插值绘制填色图，文章围绕主题展开详细的内容介绍，具有一定的参考价值，，需要的小伙伴可以参考一下2022-09-09
这篇文章主要介绍了python中xrange和range的区别,需要的朋友可以参考下2014-05-05
这篇文章主要为大家详细介绍了python3.5绘制随机漫步图，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-08-08
这篇文章主要介绍了python基于celery实现异步任务周期任务定时任务,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了opencv 形态学变换(开运算，闭运算，梯度运算)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-07-07
今天接到一个需求,需要读取excel,将其中两列分别作为字典的key、value进行保存,怎么读取excel呢,之前好像使用过Pandas,但是接触不多,借此机会记录一下学习的收获,需要的朋友可以参考下2023-12-12
使用pandas忽略行列索引,纵向拼接多个dataframe
这篇文章主要介绍了使用pandas忽略行列索引,纵向拼接多个dataframe的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
最新评论