09 Python之UnitTest【使用,生成HTML测试报告】

简介: 09 Python之UnitTest【使用,生成HTML测试报告】

Python学习之UnitTest

UnitTest 是 Python 自带的一个单元测试框架,用它来做单元测试。

为什么使用UnitTest框架?

  • 能够组织多个用例去执行;
  • 提供丰富的断言方法;
  • 能够生成测试报告;

1、 UnitTest

UnitTest 核心要素

  1. TestCase;
  2. TestSuite;
  3. TestRunner;
  4. TestLoader;
  5. Fixture;

1.1 TestCase

TestCase 就是测试用例的意思。

示例:

我们可以定义一个实现加法操作的函数,并对该函数进行测试。

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 定义测试类 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        print(my_sum(1, 2))
    def test_02(self):
        print(my_sum(3, 4))

1.2 TestSuite

TestSuite  翻译过来的意识就是 测试套件,多条测试用例集合在一起,就是一个 TestSuite。

使用:

1、实例化(suite:为 TestSuite 实例化的名称,你可以叫a,b,c 都可以)

suite = unittest.TestSuite()

2、添加用例(ClassName:为类名;MethodName:为方法名)

suite.addTest(ClassName("MethodName"))

3、添加扩展:(搜索指定 ClassName 内 test 开头的方法并添加到测试套件中)

suite.addTest(unittest.makeSuite(ClassName))

注:

TestSuite 需要配合 TextTestRunner 才能被执行

1.3 TextTestRunner

TextTestRunner 是用来执行测试用例和测试套件的

使用:

  1. 实例化: runner = unittest.TextTestRunner()
  2. 执行: runner.run(suite) # suite:为测试套件名称

示例:

这里我们多写将测试类分模块。

Test01.py

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 定义测试类 my_test 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        print("结果:%s" % my_sum(1, 2)+" my_test的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(3, 4)+" my_test的test_02")

Test02.py

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
class my_test02(unittest.TestCase):
    def test_01(self):
        print("结果:%s" % my_sum(1, 2)+" my_test02的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(1, 2)+" my_test02的test_02")

Test.py :执行测试用例

import unittest
import Test01
import Test02
# 实例化TestSuite
suite = unittest.TestSuite()
# 添加用例
suite.addTest(Test01.my_test("test_01"))
# 添加 my_test02 类中所有 test 开头的方法
suite.addTest(unittest.makeSuite(Test02.my_test02))
# 实例化TextTestRunner
runner = unittest.TextTestRunner()
# 执行
runner.run(suite)

1.4 TestLoader

用来加载 TestCase 到 TestSuite 中,即加载满足条件的测试用例,并把测试用例封装成测试套件。


使用 unittest.TestLoader,通过该类下面的 discover()方法自动搜索指定目录下指定开头的.py 文件,并将查找到的测试用例组装到测试套件;

使用:

suite = unittest.TestLoader().discover(test_dir, pattern='test*.py')

test_dir: 为指定的测试用例的目录;


pattern:为查找的.py 文件的格式;

注:

如果文件名默认为'test*.py' 也可以使用 unittest.defaultTestLoader 代替 unittest.TestLoader()

示例:

import unittest
# 实例化 TestLoader
suite = unittest.TestLoader().discover("./", "test0*.py")
# 实例化TextTestRunner
runner = unittest.TextTestRunner()
# 执行
runner.run(suite)

TestSuite TestLoader 区别

  • TestSuite 需要手动添加测试用例(可以添加测试类,也可以添加测试类中某个测试方法);
  • TestLoader 搜索指定目录下指定开头.py 文件,并添加测试类中的所有的测试方法,不能指定添加测试方法;

2、Fixture

Fixture 是一个概述,对一个测试用例环境的初始化和销毁就是一个Fixture 。

Fixture有三个控制级别:

2.1 方法级别

在TestCase,也就是测试用例所在的class中定义方法,如果一个TestCase中有多个测试用例,那么setUp和tearDown就会被自动调用多次。

使用:

  • 初始化(前置处理): def setUp(self) --> 首先自动执行;
  • 销毁(后置处理): def tearDown(self) --> 最后自动执行;

运行于测试方法的始末,即:运行一次测试方法就会运行一次 setUp 和tearDown

示例:

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 定义测试类 my_test 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 初始化方法
    def setUp(self):
        print("setUP 执行初始化")
    # 销毁方法
    def tearDown(self):
        print("tearDown 执行销毁")
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        print("结果:%s" % my_sum(1, 2) + " my_test的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(3, 4) + " my_test的test_02")

2.2 类级别

不管类中有多少方法,一个类开始的时候自动调用函数,结束的之后自动调用函数。

使用:

  • 初始化(前置处理): @classmethod def setUpClass(cls): --> 首先自动执行
  • 销毁(后置处理): @classmethod def tearDownClass(cls): --> 最后自动执行


运 行于 测试 类的 始末 , 即: 每个 测试类只会运行 一次 setUpClass 和 tearDownClass

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 定义测试类 my_test 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 初始化
    @classmethod
    def setUpClass(cls):
        print("setUP 执行初始化")
    # 销毁方法
    @classmethod
    def tearDownClass(cls):
        print("tearDown 执行销毁")
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        print("结果:%s" % my_sum(1, 2) + " my_test的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(3, 4) + " my_test的test_02")

2.3 模块级别

不管py文件中有多少个类,以及类中有多少方法,只自动执行一次

使用:

  • 初始化(前置处理): def setUpModule(): --> 首先自动执行
  • 销毁(后置处理): def tearDownModule(): --> 最后自动执行
# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 模块级
def setUpModule():
    print("setUpModule自动调用了")
# 模块级
def tearDownModule():
    print("tearDownModule自动调用了")
# 定义测试类 my_test 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        print("结果:%s" % my_sum(1, 2) + " my_test的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(3, 4) + " my_test的test_02")
# 定义测试类 my_test02
class my_test02(unittest.TestCase):
    def test_01(self):
        print("结果:%s" % my_sum(1, 2) + " my_test02的test_01")
    def test_02(self):
        print("结果:%s" % my_sum(1, 2) + " my_test02的test_02")

2.4 总结

  • 必须继承 unittest.TestCase 类,setUp、tearDown 才是一个 Fixture;
  • 方法级:setUp,tearDown:如果一个类中有多个测试用例,每执行一个测试用例之前会调用一次 setUp,之后会调用一次 tearDown;
  • 类级:setUpClass,tearDownClass:如果一个类中有多个测试用例,执行所有测试用例之前只会调用一次 setUpClass,之后只会调用一次 tearDownClass;
  • 模块级:setUpModule,tearDownModule:只在 import 导入这个模块时会调用一次 setUpModule,模块使用完成之后会调用一次 tearDownModule;
  • setUpXXX:一般做初始化工作; tearDownXXX:一般做结束工作;

3、断言

让程序代替人为判断测试程序执行结果是否符合预期结果的过程。

为什么要学习断言呢?

因为自动化脚本在执行的时候一般都是无人值守状态,我们不知道执行结果是否符合预期结果,所以我们需要让程序代替人为检测程序执行的结果是否符合预期结果,这就需要使用断言。

3.1 UnitTest 常用断言方法

UnitTest 中提供了非常丰富的断言方法,复杂的断言方法在自动化测试中几乎使用不到,所以我们只需要掌握几个常用的即可。

常用的 UnitTest 断言方法:

序号

断言方法

断言描述

1

assertTrue(expr, msg=None)

验证 expr 是 true,如果为 false,则 fail

2

assertFalse(expr, msg=None)

验证 expr 是 false,如果为 true,则 fail

3

assertEqual(expected, actual, msg=None)

验证 expected==actual,不等则 fail

4

assertNotEqual(first, second, msg=None)

验证 first != second, 相等则 fail

5

assertIsNone(obj, msg=None)

验证 obj 是 None,不是则 fail

6

assertIsNotNone(obj, msg=None)

验证 obj 不是 None,是则 fail

7

assertIn(member, container, msg=None)

验证是否 member in container

8

assertNotIn(member, container, msg=None)

验证是否 member not in container

3.2 使用方式

断言方法已经在 unittest.TestCase 类中定义好了,而且我们自定义的测试类已经继承了 TestCase,所以在测试方法中直接调用即可。

# 导包
import unittest
# 定义函数(方法)
def my_sum(i, j):
    return i + j;
# 定义测试类 my_test 注:必须继承unittest.TestCase
class my_test(unittest.TestCase):
    # 定义测试方法 注: 测试方法名称命名以 test 开头;
    def test_01(self):
        num = my_sum(1, 2)
        # 如果 num为4,正确
        self.assertEqual(3, num);
    def test_02(self):
        num = my_sum(3, 4)
        # 如果 num为7,正确
        self.assertEqual(7, num);
    def test_03(self):
        num = my_sum(1, 2)
        # 如果 num在列表中,正确
        self.assertIn(num,[1,2,3,4,5])

4、参数化

上面的测试用例都存在一个问题,都是一条测试数据定义一个测试函数,代码冗余度太高。


我们可以通过参数化的方式来传递数据,从而实现数据和脚本分离。


并且可以实现用例的重复执行。unittest测试框架,本身不支持参数化,但是可以通过安装 unittest扩展插件 parameterized 来实现。

4.1 安装 类库

方式一:

我们可以直接打开命令提示符输入:pip install parameterized

image.png

方式二 :

使用PyCharm 安装,直接看图

image.png

image.png

image.png

4.2 使用

方式一:

import unittest
from parameterized import parameterized
def my_sum(i, j):
    return i + j
class my_test(unittest.TestCase):
    # a是调用my_sum的第一个参数
    # b是调用my_sum的第二个参数
    # c是预期结果
    @parameterized.expand([(1, 2, 3), (5, 6, 110), (-1, 3, 2)])
    def test_001(self, i, j, k):
        # 定义变量num得到my_sum函数的返回值
        num = my_sum(i, j)
        # num1里存放的是实际结果,k是预期结果
        self.assertEqual(num, k)
        # 实际结果与预期结果相符,代表测试用例测试通过
        # 不相符代表测试用例测试失败

image.png

方式二:

就是直接定义好一个列表,列表里面有元组。

image.png

方式三:

就是定义一个函数(方法),然后直接返回元组。

image.png

5、跳过

对于一些未完成的或者不满足测试条件的测试函数和测试类,可以跳过执行。

使用方式:

@unittest.skip('代码未完成'):直接将测试函数标记成跳过


@unittest.skipIf(condition, reason):根据条件判断测试函数是否跳过

示例:

image.png

6、生成HTML测试报告

HTML 测试报告就是执行完测试用例后,以 HTML(网页)方式将执行结果生成报告。

为什么要生产测试报告?

因为测试报告是本次测试结果的体现形态,然后测试报告内包含了有关本次测试用例的详情;

HTML 生成报告方式

一种是TextTestRunner (UnitTest 自带),另外的就是其他的第三方模板HTMLTestRunner。

首先我们先来看看TextTestRunner如何生成测试报告的。

import unittest
# 生成测试套件
suite = unittest.TestLoader().discover("./", "test0*.py")
# 以只写方式打开测试报告文件
f = open("C:/Users/jie/Desktop/test.txt", "w", encoding="utf-8")
# 实例化TextTestRunner stream为open函数打开的文件流; verbosity 为不同模板编号
runner = unittest.TextTestRunner(stream=f,verbosity=2)
# 执行
runner.run(suite)
# 关闭
f.close()

结果

image.png

我们再来看看HTMLTestRunner 测试报告

首先要安装HTMLTestRunner,这里要注意的是由于HTMLTestRunner是一个第三方的unittest HTML报告库,用pip是死活安装不了的,得去网上下载HTMLTestRunner.py放到存放python源代码的Lib目录下。大家也可以用我下好的。

https://gitee.com/boring-yingjie/htmltest-runner.git

import unittest
from HTMLTestRunner import HTMLTestRunner
# 生成测试套件
suite = unittest.TestLoader().discover("./", "test*.py")
# 以只写方式打开测试报告文件
f = open("C:/Users/jie/Desktop/test01.html", "wb")
# 实例化 HTMLTestRunner 对象  stream:open 函数打开的文件流; title:[可选参数],为报告标题; description:[可选参数],为报告描述信息;比如操作系统、浏览器等版本;
runner = HTMLTestRunner(stream=f, title="自动化测试报告", description="Chrome 浏览器")
# 执行
runner.run(suite)
# 关闭
f.close()

效果

image.png

目录
相关文章
|
2天前
|
XML 前端开发 数据格式
BeautifulSoup 是一个 Python 库,用于从 HTML 和 XML 文件中提取数据
BeautifulSoup 是 Python 的一个库,用于解析 HTML 和 XML 文件,即使在格式不规范的情况下也能有效工作。通过创建 BeautifulSoup 对象并使用方法如 find_all 和 get,可以方便地提取和查找文档中的信息。以下是一段示例代码,展示如何安装库、解析 HTML 数据以及打印段落、链接和特定类名的元素。BeautifulSoup 还支持更复杂的查询和文档修改功能。
8 1
|
3天前
|
SQL 测试技术 网络安全
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
13 0
|
3天前
|
前端开发 文件存储 Python
python之xhtml2pdf: HTML转PDF工具示例详解
python之xhtml2pdf: HTML转PDF工具示例详解
8 0
|
3天前
|
数据采集 数据挖掘 Python
Python之html2text: 将HTML转换为Markdown 文档示例详解
Python之html2text: 将HTML转换为Markdown 文档示例详解
6 0
|
3天前
|
数据采集 Python
Python HTML解析详解
Python HTML解析详解
7 0
|
4天前
|
测试技术 开发者 Python
Python中的单元测试
【5月更文挑战第8天】在Python软件开发中,确保代码质量是关键,单元测试和测试驱动开发(TDD)是实现这一目标的有效方法。本文介绍了如何使用unittest和pytest进行单元测试,以及如何通过TDD编写可靠代码。首先,展示了单元测试的基本概念和示例,然后详细解释了TDD的"红-绿-重构"循环。此外,还讨论了pytest如何简化单元测试,并给出了使用TDD重构函数的例子。
6 1
|
9天前
|
监控 测试技术 持续交付
Python自动化测试代理程序可用性
总之,通过编写测试用例、自动化测试和设置监控系统,您可以确保Python自动化测试代理程序的可用性,并及时发现和解决问题。这有助于提供更可靠和高性能的代理服务。
14 4
|
11天前
|
机器学习/深度学习 算法 UED
【Python 机器学习专栏】A/B 测试在机器学习项目中的应用
【4月更文挑战第30天】A/B测试在数据驱动的机器学习项目中扮演关键角色,用于评估模型性能、算法改进和特征选择。通过定义目标、划分群组、实施处理、收集数据和分析结果,A/B测试能帮助优化模型和用户体验。Python提供工具如pandas和scipy.stats支持实验实施与分析。注意样本量、随机性、时间因素和多变量分析,确保测试有效性。A/B测试助力于持续改进机器学习项目,实现更好的成果。
|
13天前
|
测试技术 Python
python运行集成测试
【4月更文挑战第22天】
10 1
|
13天前
|
测试技术 Python
python编写集成测试
【4月更文挑战第22天】
4 1