Python代码覆盖率分析工具----Coverage

简介: Python代码覆盖率分析工具----Coverage

简介


在测试中,为了度量产品质量,代码覆盖率被作为一种测试结果的评判依据,在Python代码中用来分析代码覆盖率的工具当属Coverage。代码覆盖率是由特定的测试套件覆盖被测源代码的程度来度量,Coverage是一种用于统计Python代码覆盖率的工具,通过它可以检测测试代码的有效性,即测试case对被测代码的覆盖率几何。

Coverage支不仅持分支覆盖率统计,还可以生成HTML/XML报告。并且XML报告可以结合Jenkins和Sonar集成工具一起使用。

Coverage官方文档:http://coverage.readthedocs.org/en/latest/

640.png

安装


Coverage作为Python的一个第三方库,使用时需要先安装,使用pip命令进行安装。

安装命令:pip install coverage


C:\Users\TynamYang>pip install coverage
Collecting coverage
Downloading coverage-5.1-cp37-cp37m-win32.whl (204 kB)
|████████████████████████████████| 204 kB 731 kB/s
Installing collected packages: coverage
Successfully installed coverage-5.1


安装完成后可以看到安装的版本:coverage-5.1

安装完成后使用coverage,coverage有两种使用方法,一种是在命令行中使用,一种是调用API使用。方便控制部分需要测试的代码。


命令行中使用


1、基本参数

命令行中使用文档:http://coverage.readthedocs.org/en/latest/cmd.html

命令行中使用时常用参数:

  • run – 运行Python程序并收集执行数据
  • report – 报告覆盖率结果
  • html – 生成HTML文件,内容含覆盖率结果列表
  • json – 生成JSON文件,内容含覆盖率结果
  • xml – 生成XML报告文件,内容含覆盖率结果
  • erase – 清除之前收集的覆盖率数据
  • combine – 合并多个数据文件
  • debug – 获取调试信息

可以使用help命令查看帮助:

coverage help


2、运行代码收集信息

在使用coverage时,基本需要两步运行,第一步运行源代码,收集被测试的源代码覆盖率的信息,第二步生成代码覆盖率的信息报告。

如下测试代码:


import unittest
def add_numb(a, b):
    return a + b
def division_numb(a, b):
    return a / b
class Test(unittest.TestCase):
    def test_add_1(self):
        self.assertEqual(add_numb(1,1), 2)
    def test_add_2(self):
        self.assertEqual(add_numb(2,0), 1)
    def test_division_1(self):
        self.assertEqual(division_numb(2,1), 2)
    def test_division_2(self):
        self.assertEqual(division_numb(2,0), 2)
if __name__ == "__main__":
    unittest.main(verbosity=2)


使用命令运行:

coverage run test.py


C:\Users\TynamYang\Desktop> coverage run test.py
test_add_1 (__main__.Test) ... ok
test_add_2 (__main__.Test) ... FAIL
test_division_1 (__main__.Test) ... ok
test_division_2 (__main__.Test) ... ERROR
======================================================================
ERROR: test_division_2 (__main__.Test)
----------------------------------------------------------------------
Traceback (most recent call last):
File "test.py", line 22, in test_division_2
self.assertEqual(division_numb(2,0), 2)
File "test.py", line 9, in division_numb
return a / b
ZeroDivisionError: division by zero
======================================================================
FAIL: test_add_2 (__main__.Test)
----------------------------------------------------------------------
Traceback (most recent call last):
File "test.py", line 16, in test_add_2
self.assertEqual(add_numb(2,0), 1)
AssertionError: 2 != 1
----------------------------------------------------------------------
Ran 4 tests in 0.003s
FAILED (failures=1, errors=1)


代码执行完成后会生成一个覆盖率统计结果文件:.coverage。该文件名可通过设置COVERAGE_FILE环境变量进行修改。


3、生成报告

查看报告有两种方式,一种是在当前命令行模式下查看,一种是生成HTML报告文件查看。

命令行模式下查看

根据运行代码后生成的.coverage文件,使用report参数可在命令行模式下查看覆盖率统计结果。

使用命令:

coverage report


PS C:\Users\TynamYang\Desktop> coverage report
Name      Stmts   Miss  Cover
-----------------------------
test.py      16      0   100%

由结果可以得知,执行的test.py文件,代码覆盖率是100%

结果展示中的字段含义:

  • tmts:语句总数
  • Miss:未执行到的语句数
  • Cover:覆盖率,计算公式 Cover=(Stmts-Miss)/Stmts

生成HTML报告文件

使用命令生成HTML报告:

coverage html -d covhtml


其中参数-d是指定生成的html所在的文件夹名

命令执行完成后会生成一个covhtml文件。

640.jpg


文件中的index.html文件覆盖率数据统计。

也可以看一些示例:https://nedbatchelder.com/files/sample_coverage_html/

640.jpg


各字段说明:

  • Stmts 总的有效代码行数(不包含空行和注释行)
  • Miss 未执行的代码行数(不包含空行和注释行)
  • Branch 总分支数
  • BrMiss 未执行的分支数
  • Cover 代码覆盖率
  • Missing 未执行的代码部分在源文件中行号

以执行的测试原文件命名的文件,可以高亮显示覆盖和未覆盖的代码。如test_py.html。

也可以看一些示例,http://nedbatchelder.com/code/coverage/sample_html/

640.jpg

使用

调用API使用文档:http://coverage.readthedocs.org/en/latest/api.html

在python代码中通过调用coverage模块执行代码生成代码覆盖率的统计结果。使用方法也非常简单,如下示例:


if __name__ == "__main__":
    # 实例化对象
    cov = coverage.coverage()
    # 开始分析
    cov.start()
    suite = unittest.defaultTestLoader.discover(os.getcwd(), "test.py")
    unittest.TextTestRunner().run(suite)
    # 结束分析
    cov.stop()
    # 结果保存
    cov.save()
    # 命令行模式展示结果
    cov.report()
    # 生成HTML覆盖率报告
    cov.html_report(directory='covhtml')

文章链接地址:

https://www.cnblogs.com/tynam/p/12788442.html


以上,便是今天的内容,希望大家喜欢,欢迎「转发或者点击「在看」支持!

相关文章
|
5天前
|
测试技术 Python
Python MagicMock: Mock 变量的强大工具
Python MagicMock: Mock 变量的强大工具
23 8
|
5天前
|
Python
Python sorted() 函数和sort()函数对比分析
Python sorted() 函数和sort()函数对比分析
|
10天前
|
Python
python第三方库-字符串编码工具 chardet 的使用(python3经典编程案例)
这篇文章介绍了如何使用Python的第三方库chardet来检测字符串的编码类型,包括ASCII、GBK、UTF-8和日文编码的检测示例。
41 6
|
7天前
|
数据采集 网络协议 调度
Python爬虫策略分析4
Python爬虫策略分析4
20 1
|
7天前
|
数据采集 前端开发 Python
Python爬虫策略分析3
Python爬虫策略分析3
11 1
|
7天前
|
数据采集 Python
Python爬虫策略分析1
Python爬虫策略分析1
10 1
|
10天前
|
Unix Linux C++
python优缺点分析11
python优缺点分析11
27 3
|
12天前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
30 4
|
10天前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
22 1
|
16天前
|
机器学习/深度学习 存储 人工智能
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
使用Python作为开发语言,基于文本数据集(一个积极的xls文本格式和一个消极的xls文本格式文件),使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
20 0
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
下一篇
无影云桌面