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
|
18天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
111 70
|
1月前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
20天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费习惯分析的深度学习模型
使用Python实现智能食品消费习惯分析的深度学习模型
121 68
|
16天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费市场分析的深度学习模型
使用Python实现智能食品消费市场分析的深度学习模型
92 36
|
10天前
|
数据可视化 算法 数据挖掘
Python量化投资实践:基于蒙特卡洛模拟的投资组合风险建模与分析
蒙特卡洛模拟是一种利用重复随机抽样解决确定性问题的计算方法,广泛应用于金融领域的不确定性建模和风险评估。本文介绍如何使用Python和EODHD API获取历史交易数据,通过模拟生成未来价格路径,分析投资风险与收益,包括VaR和CVaR计算,以辅助投资者制定合理决策。
55 15
|
14天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费趋势分析的深度学习模型
使用Python实现智能食品消费趋势分析的深度学习模型
71 18
|
15天前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
77 7
|
23天前
|
测试技术 开发者 Python
使用Python解析和分析源代码
本文介绍了如何使用Python的`ast`模块解析和分析Python源代码,包括安装准备、解析源代码、分析抽象语法树(AST)等步骤,展示了通过自定义`NodeVisitor`类遍历AST并提取信息的方法,为代码质量提升和自动化工具开发提供基础。
38 8
|
1月前
|
JavaScript 前端开发 开发者
探索 DrissionPage: 强大的Python网页自动化工具
DrissionPage 是一个基于 Python 的网页自动化工具,结合了浏览器自动化的便利性和 requests 库的高效率。它提供三种页面对象:ChromiumPage、WebPage 和 SessionPage,分别适用于不同的使用场景,帮助开发者高效完成网页自动化任务。
130 4
|
1月前
|
开发者 Python
探索Python中的列表推导式:简洁而强大的工具
【10月更文挑战第41天】 在编程的世界中,效率与简洁是永恒的追求。本文将深入探讨Python编程语言中一个独特且强大的特性——列表推导式(List Comprehension)。我们将通过实际代码示例,展示如何利用这一工具简化代码、提升性能,并解决常见编程问题。无论你是初学者还是资深开发者,掌握列表推导式都将使你的Python之旅更加顺畅。