python写单元大多数都会用到unittest和mock，测试代码覆盖率都会用到coverage，最后再用nose把所有的东西都串起来，这样每次出版本，都能把整个项目的单元测试都运行一遍。

Unittest

unittest就不详细介绍了，注意几点：

测试类继承unittest.TestCase

测试类、测试方法名字最好以test开头，很多工具能根据名字来自动运行，很方便

测试类里面的setUp/tearDown会在每个case执行之前/之后执行，setUpClass/tearDownClass加上@classmethod在整个测试类开始和结束的时候执行

测试文件的main函数里面加上unittest.main()，就可以直接用python命令运行了

Mock

单元测试里面比较精髓的就是mock了，介绍几种常见的场景：

1.Mock一个函数。其实有好几种方法，个人比较推荐下面这种，看上去很清晰：

defmultiple(a,b):

returna*b

classTestProducer(unittest.TestCase):

defsetUp(self):

self.calculator=Calculator()

@mock.patch('multiple')

deftest_multiple(self,mock_multiple):

mock_multiple.return_value=3

self.assertEqual(multiple(8,14),3)

2.Mock一个对象里面的方法

classCalculator(object):

defadd(self,a,b):

returna+b

classTestProducer(unittest.TestCase):

defsetUp(self):

self.calculator=Calculator()

@mock.patch.object(Calculator,'add')

deftest_add(self,mock_add):

mock_add.return_value=3

self.assertEqual(self.calculator.add(8,14),3)

3.让Mock的函数每次被调用返回不同的值，而1,2中的方法每次调用都会返回同样的值

classTestProducer(unittest.TestCase):

@mock.patch.object(Calculator,'add')

deftest_effect(self,mock_add):

mock_add.side_effect=[1,2,3]

self.assertEqual(self.calculator.add(8,14),1)

self.assertEqual(self.calculator.add(8,14),2)

self.assertEqual(self.calculator.add(8,14),3)

4.让Mock的函数抛出exception

defis_error(self):

try:

os.mkdir("11")

returnFalse

exceptExceptionase:

returnTrue

classTestProducer(unittest.TestCase):

@mock.patch('os.mkdir')

deftest_exception(self,mock_mkdir):

mock_mkdir.side_effect=Exception

self.assertEqual(self.calculator.is_error(),True)

5.Mock多个函数，主要是注意顺序

@mock.patch.object(Calculator,'add')

@mock.patch('test_unit.multiple')

deftest_both(self,mock_multiple,mock_add):

mock_add.return_value=1

mock_multiple.return_value=2

self.assertEqual(self.calculator.add(8,14),1)

self.assertEqual(multiple(8,14),2)

Coverage

打命令coverage加测试文件，就可以得到覆盖率，可以生成html格式的报告，每次运行一个文件都会生成一个.coverage文件，需要将combine所有结果才能得到一个完整的报告。

具体的命令参数参看：http://nedbatchelder.com/code/coverage/cmd.html

更加有用的是配置文件，参看：http://nedbatchelder.com/code/coverage/config.html

配置文件中最有用的功能就是可以不测某些行的覆盖率，例如：

[report]

exclude_lines=

#只要在某一行加上注释“#pragma:nocover”这一行就会被忽略

pragma:nocover

#忽略掉main函数

if__name__==.__main__.:

Nose

Nose可以将所有的单元测试文件一次全部执行，并且提供了coverage的插件，能够统计整体的覆盖率。

Nose会扫描目标目录，如果发现目录名以“test”或者“Test”开头，则递归地进去扫描，并自动运行所有发现的以“test”或者“Test”开头的测试文件。

另外Nose增加了报级别的setup和teardown，只需将他们放到__init__.py文件中即可。

Nose命令的执行，最简单的就是nosetest后面加上你的所有测试文件或者测试文件所在的目录，一些运行参数参看：http://nose.readthedocs.org/en/latest/usage.html

Nose的参数里面以"--cover"开头的都是coverage相关的，但是我发现并没有办法是用coverage的配置文件，需要手动安装一下nose-cov，然后用“--cov-config”来指定配置文件，其他参数参看：https://pypi.python.org/pypi/nose-cov

我的项目因为测试文件比分散，并且有些并没有以test开头，所以比较麻烦，只能写了一个脚本，把这些都串起来：

importos

importsubprocess

######################################################################

#需要测试覆盖率的文件或者目录

cover_list=[

'src/sample/analyzer/unpacker/src/emulator.py',

'src/sample/analyzer/unpacker/src/emulator_manager.py',

'src/sample/analyzer/unpacker/src/unpacker_analyzer.py',

'src/sample/analyzer/bitvalue/src/confparser.py',

'src/sample/analyzer/bitvalue/src/trunk.py',

]

#测试用例所在的文件或者目录，如果测试文件没有以test开头，则必须制定文件名

ut_list=[

'src/sample/analyzer/unpacker/ut',

'src/sample/analyzer/bitvalue/ut/ut_main.py'

]

######################################################################

PRODUCTION_HOME=os.environ.get("PRODUCTION_HOME","../..")

defget_command():

command=[

'nosetests',

'--with-cov',

'--cover-erase',

'--cov-report','html',

'--cov-config','cover.config',

]

forcoverincover_list:

command.append('--cov')

command.append(os.path.join(PRODUCTION_HOME,cover))

forutinut_list:

command.append(os.path.join(PRODUCTION_HOME,ut))

returncommand

if__name__=='__main__':

command=get_command()

printcommand

os.chdir(PRODUCTION_HOME)

proc=subprocess.Popen(command,shell=False,stdout=subprocess.PIPE,stderr=subprocess.PIPE)

output,error=proc.communicate()

return_code=proc.poll()

printoutput

printerror

printreturn_code

以上内容为大家介绍了Python单元测试经验总结，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。http://www.mobiletrain.org/

上一篇

Python学习之进程和线程

下一篇

Python中常用的 json 操作有哪些?