Dieses Tutorial erklärt, wie Python für die Testprogrammierung verwendet werden kann, und listet die Funktionen und den Vergleich der besten Python-Test-Frameworks auf:

Mit der weit verbreiteten Anwendung künstlicher Intelligenz ist Python zu einer beliebten Programmiersprache geworden.

In diesem Tutorial wird beschrieben, wie Python zusammen mit einigen Python-basierten Testframeworks für die Testprogrammierung verwendet werden kann.

Los geht’s!!

=> Überprüfen Sie ALLE Python-Tutorials hier.

Was ist Python?

Nach der traditionellen Definition ist Python eine interpretierte, allgemeine Programmiersprache auf hoher Ebene, die Programmierern hilft, verwaltbaren und logischen Code für kleine und große Projekte zu schreiben.

Einige der Vorteile von Pythons sind:

• Keine Kompilierung verursacht die schnelle Ausführung des Edit-Test-Debug-Zyklus.
• Einfaches Debuggen
• Umfangreiche Support-Bibliothek
• Einfach zu erlernende Datenstruktur
• Hohe Produktivität
• Teamzusammenarbeit

Arbeiten in Python

• Der Interpreter liest den Python-Code aus der Quelldatei und untersucht ihn auf einen Syntaxfehler.
• Wenn der Code fehlerfrei ist, konvertiert der Interpreter den Code in den entsprechenden ‚Bytecode‘.
• Dieser Bytecode wird dann an die Python Virtual Machine (PVM) übertragen, wo der Bytecode erneut auf Fehler kompiliert wird.

Was ist Python-Testen?

• Automatisiertes Testen ist ein bekannter Kontext in der Welt des Testens. Hier werden die Testpläne mit einem Skript anstelle eines Menschen ausgeführt.
• Python enthält die Tools und Bibliotheken, die automatisierte Tests für Ihr System unterstützen.
• Python-Testfälle sind vergleichsweise einfach zu schreiben. Mit dem verstärkten Einsatz von Python werden auch Python-basierte Testautomatisierungs-Frameworks immer beliebter.

Liste der Python-Test-Frameworks

Im Folgenden finden Sie einige Python-Test-Frameworks, die Sie kennen sollten.

1. Robot
2. PyTest
3. Unittest
4. DocTest
5. Nose2
6. Testify

Vergleich der Python-Testwerkzeuge

Fassen wir diese Frameworks schnell in einer kurzen Vergleichstabelle zusammen:

(Abkürzungen: MIT = Massachusetts Institute of Technology (1980), BSD = Berkeley Software Distribution (1988), ASF = Apache Software Foundation(2004))

Los geht’s!!

# 1) Robot

• Das beliebteste Robot Framework ist ein Open-Source-Framework für Automatisierungstests, das auf Python basiert.
• Dieses Framework wurde vollständig in Python entwickelt und wird für Akzeptanztests und testgetriebene Entwicklung verwendet. Keyword Style wird verwendet, um Testfälle in Robot Framework zu schreiben.
• Der Roboter kann Java und .Net ausführen und unterstützt auch Automatisierungstests auf plattformübergreifenden Plattformen wie Windows, Mac OS und Linux für Desktop-Anwendungen, mobile Anwendungen, Webanwendungen usw.
• Neben Akzeptanztests wird Robot auch für Robotic Process Automation (RPA) eingesetzt.
• Pip (Package Installer for Python) wird für die Roboterinstallation dringend empfohlen.
• Die Verwendung von tabellarischer Datensyntax, schlüsselwortgesteuertes Testen, umfangreiche Bibliotheken & Toolset und parallele Tests sind einige der starken Merkmale von Robot, die es bei Testern beliebt machen.

Beispiel:

*** Settings ***Library SeleniumLibrary*** Variables ***${SERVER} localhost:7272${BROWSER} Firefox${DELAY} 0${VALID USER} demo${VALID PASSWORD} mode${LOGIN URL} http://${SERVER}/${WELCOME URL} http://${SERVER}/welcome.html${ERROR URL} http://${SERVER}/error.html*** Keywords ***Open Browser To Login Page Open Browser ${LOGIN URL} ${BROWSER} Maximize Browser Window Set Selenium Speed ${DELAY}Login Page Should Be Open Title Should Be Login PageGo To Login Page Go To ${LOGIN URL} Login Page Should Be OpenInput Username ${username} Input Text username_field ${username}Input Password ${password} Input Text password_field ${password}Submit Credentials Click Button login_buttonWelcome Page Should Be Open Location Should Be ${WELCOME URL} Title Should Be Welcome Page

Hier ist ein Beispiel für eine fehlgeschlagene Testausführung.

Here is a sample of Successful Test Execution.

Packages/Methods:

Link zur API: Robot Framework Benutzerhandbuch
Download-Link: Roboter

# 2) PyTest

• PyTest ist ein Open-Source-Python-basiertes Testframework, das im Allgemeinen universell einsetzbar ist, aber speziell für Funktions- und API-Tests.
• Pip (Package Installer for Python) wird für die PyTest-Installation benötigt.
• Es unterstützt einfachen oder komplexen Textcode zum Testen von APIs, Datenbanken und Benutzeroberflächen.
• Einfache Syntax ist hilfreich für die einfache Testausführung.
• Rich-Plugins und ist in der Lage, Tests parallel auszuführen.
• Kann eine beliebige Teilmenge von Tests ausführen.

Beispiel:

import pytest //Import unittest module//def test_file1_method(): //Function inside class// x=5 y=6 assert x+1 == y,"test failed"

Um den Test auszuführen, verwenden Sie py.befehl testen.

Screenshot als Referenz:

Pakete/ Methoden:

Wenn Sie auf einen in einer bestimmten Datei geschriebenen Test zugreifen möchten, verwenden wir den folgenden Befehl.

py.test <filename>

Pytest Fixture: Pytest Fixture wird verwendet, um Code auszuführen, bevor die Testmethode ausgeführt wird, um Codewiederholungen zu vermeiden. Dies wird grundsätzlich zum Initialisieren der Datenbankverbindung verwendet.

Sie können PyTest fixture wie unten gezeigt definieren.

@pytest.fixture

Assertion: Assertion ist die Bedingung, die true oder false zurückgibt. Die Testausführung wird beendet, wenn die Assertion fehlschlägt.

Unten ist ein Beispiel:

def test_string_equal():assert double(55) == 62assert 25 == 62+ where 25 = double(55)

Link zur API: Pytest API
Download-Link: Pytest

# 3) Unittest

• Unittest ist das allererste Python-basierte automatisierte Unit-Test-Framework, das für die Arbeit mit der Python-Standardbibliothek entwickelt wurde.
• Unterstützt die Wiederverwendung von Testanzügen und Testorganisation.
• Es wurde von JUnit inspiriert und unterstützt die Testautomatisierung einschließlich Testsammlungen, Testunabhängigkeit, Setup-Code für Tests usw.
• Es wird auch als PyUnit .
• Unittest2 ist ein Backport von zusätzlichen neuen Funktionen, die dem Unittest hinzugefügt wurden.

Standard-Workflow von Unittest:

• Importieren Sie das Unittest-Modul in den Programmcode.
• Sie können Ihre eigene Klasse definieren.
• Erstellen Sie Funktionen innerhalb der Klasse, die Sie definiert haben.
• Unittest platzieren.main() ist die Hauptmethode am Ende des Codes, um den Testfall auszuführen.

Beispiel:

import unittest //Import unittest module//def add(x,y): return x + yclass Test(unittest.TestCase): //Define your class with testcase// def addition(self): self.assertEquals(add(4,5),9)<strong>//Function inside class//if __name__ == '__main__': unittest.main()<strong>//Insert main() method//

Screenshot als Referenz:

Pakete/Methoden:

(Hinweis: unittest.mock() ist eine Bibliothek für Python-Tests, mit der Systemteile durch Scheinobjekte ersetzt werden können. Die Core Mock-Klasse hilft beim einfachen Erstellen einer Testsuite.)

Link zur API: Unittest API
Download-Link: Unittest

# 4) DocTest

• Doctest ist ein Modul, das in Pythons Standarddistribution enthalten ist und für White-Box-Unit-Tests verwendet wird.
• Es sucht nach interaktiven Python-Sitzungen, um zu überprüfen, ob sie genau wie erforderlich funktionieren.
• Es nutzt selektive Python-Funktionen wie Docstrings, die interaktive Python-Shell und die Python-Introspektion (Bestimmung der Eigenschaften von Objekten zur Laufzeit).
• Kernfunktionen:
  • docstring aktualisieren
  • Regressionstests durchführen
• Die Funktionen testfile() und testmod() werden verwendet, um eine grundlegende Schnittstelle bereitzustellen.

Beispiel:

def test(n): import math if not n >= 0: raise ValueError("n must be >= 0") //number should be 0 or greater than 0 if math.floor(n) != n: raise ValueError("n must be exact integer") //Error when number is not an integer if n+1 == n: raise OverflowError("n too large") //Error when number is too large r = 1 f = 2 while f <= n: //Calculate factorial r *= f f += 1 return rif __name__ == "__main__": import doctest //Import doctest doctest.testmod() //Calling the testmod method

Screenshot als Referenz:

Pakete/Funktionen:

Note: Um interaktive Beispiele in der Textdatei zu überprüfen, können wir die Funktion testfile() verwenden;

doctest.testfile ("example.txt”)

Sie können den Test direkt über die Befehlszeile ausführen mit;

python factorial.py

Link zur API: DocTest API
Download-Link: Doctest

#5) Nose2

• Nose2 ist der Nachfolger von Nose und es ist ein Python-basiertes Unit-Test-Framework, das Doctests und UnitTests ausführen kann.
• Nose2 basiert auf unittest, daher wird es als extend unittest oder unittest mit dem Plugin bezeichnet, das das Testen einfach und einfacher machen soll.
• Nose verwendet kollektive Tests von unittest.testfall und unterstützt mehrere Funktionen zum Schreiben von Tests und Ausnahmen.
• Nose unterstützt Paket-Fixtures, Klassen, Module und komplexe Initialisierungen, die auf einmal definiert werden, anstatt häufig zu schreiben.

Beispiel:

from mynum import *import nosedef test_add_integers(): assert add(5, 3) == 8def test_add_floats(): assert add(1.5, 2.5) == 4def test_add_strings(): nose.tools.assert_raises(AssertionError, add, 'paul', 'carol') // To throw one of the expected exception to passif __name__ == '__main__': nose.run()

Screenshot als Referenz:

Pakete/Methoden:

Link zur API: Plugins für Nose2
Download-Link: Nose2

#6) Testify

• Testify wurde entwickelt, um unittest und nose zu ersetzen. Testify verfügt über erweiterte Funktionen gegenüber Unittest.
• Testify ist beliebt als Java-Implementierung von semantischem Testen (Einfach zu erlernende und implementierende Softwaretestspezifikation).
• Automatisierte Unit-, Integrations- und Systemtests sind einfacher durchzuführen.

Eigenschaften

• Einfache Syntax zu Fixture-Methode.
• Improvisierte Testentdeckung.
• Klasse-Level-Setup und Teardown Fixture-Methode.
• Erweiterbares Plugin-System.
• Einfach zu handhabende Testprogramme.

Beispiel:

from testify import *class AdditionTestCase(TestCase): @class_setup def init_the_variable(self): self.variable = 0 @setup def increment_the_variable(self): self.variable += 1 def test_the_variable(self): assert_equal(self.variable, 1) @suite('disabled', reason='ticket #123, not equal to 2 places') def test_broken(self): # raises 'AssertionError: 1 !~= 1.01' assert_almost_equal(1, 1.01, threshold=2) @teardown def decrement_the_variable(self): self.variable -= 1 @class_teardown def get_rid_of_the_variable(self): self.variable = Noneif __name__ == "__main__":run()

Screenshot als Referenz:

Pakete/Methoden:

Link zur API: Paketdateien von Testify
Download-Link: Testify

Zusätzliches Python-Testframework

Bisher haben wir das beliebteste Python-Testframework überprüft. Es gibt einige weitere Namen auf dieser Liste, die in Zukunft populär werden könnten.# 7) Verhalten

• Verhalten wird als BDD-Testframework (Behavior Driven Development) bezeichnet, das auch für Black-Box-Tests verwendet wird. Verhalten verwendet die natürliche Sprache zum Schreiben von Tests und arbeitet mit Unicode-Zeichenfolgen.
• Dieses Verzeichnis enthält Feature-Dateien, die ein einfaches Textformat haben, das wie Implementierungen von Natural Language und Python Step aussieht.

Link zur API: Verhalten Benutzerhandbuch
Download-Link: Verhalten

# 8) Salat

• Salat ist nützlich für verhaltensgesteuerte Entwicklungstests. Es macht den Testprozess einfach und skalierbar.
• Es enthält Schritte wie:
  • Beschreiben des Verhaltens
  • Schrittdefinition in Python.
  • Ausführen des Codes
  • Ändern des Codes, um den Test zu bestehen.
  • Ausführen des geänderten Codes.
• Diese Schritte werden 3 – 4 Mal befolgt, um die Software fehlerfrei zu machen und dadurch ihre Qualität zu verbessern.

Link zur API: Salat-Dokumentation
Download-Link: Salat

Häufig gestellte Fragen und Antworten

Werfen wir einen Blick auf einige der häufigsten FAQs zu diesem Thema-

Q # 1) Warum wird Python für die Automatisierung verwendet?

Antwort: Da ‚Python mit den Tools und Bibliotheken geliefert wird, die automatisiertes Testen für Ihr System unterstützen‘, gibt es mehrere andere Gründe, warum Python zum Testen verwendet wird.

• Python ist objektorientiert und funktional, sodass Programmierer feststellen können, ob die Funktion und die Klassen gemäß den Anforderungen geeignet sind.
• Python bietet eine umfangreiche Bibliothek nützlicher Pakete zum Testen nach der Installation von ‚Pip‘.
• Zustandslose Funktionen und einfache Syntax sind hilfreich, um lesbare Tests zu erstellen.
• Python spielt die Rolle der Brücke zwischen dem Testfall und dem Testcode.
• Python unterstützt dynamische Duck-Typisierung.
• Bietet eine gut konfigurierte IDE und gute Unterstützung für das BDD-Framework.
• Eine umfangreiche Befehlszeilenunterstützung ist hilfreich, um eine manuelle Überprüfung durchzuführen.
• Einfache und gute Struktur, Modularität, reichhaltiges Toolset und Pakete können für die Skalierungsentwicklung nützlich sein.

Q # 2) Wie strukturiere ich einen Python-Test?

Antwort: Wenn Sie einen Test in Python erstellen, sollten Sie zwei Dinge beachten, wie unten angegeben.

• Welches Modul/welchen Teil des Systems möchten Sie testen?
• Für welche Art von Tests entscheiden Sie sich (ob Unit-Test oder Integrationstest)?

Die Gesamtstruktur des Python-Tests ist so einfach wie bei anderen, bei denen wir die Komponenten von Tests festlegen, z. B. Eingaben, auszuführender Testcode, Ausgabe und Vergleich der Ausgabe mit erwarteten Ergebnissen.

Q #3) Welches Automatisierungstool ist in Python geschrieben?

Antwort: Buildout ist ein Automatisierungstool, das in Python geschrieben und mit Python erweitert wird und zur Automatisierung der Softwaremontage verwendet wird. Buildout kann auf alle Softwarephasen von der Entwicklung bis zur Bereitstellung angewendet werden.

Dieses Tool basiert auf 3 Kernprinzipien:

• Wiederholbarkeit: Es besagt, dass Projektkonfigurationen, die in derselben Umgebung entwickelt wurden, unabhängig von ihrer Historie das gleiche Ergebnis erzielen sollten.
• Komponentisierung: Der Softwaredienst sollte Tools zur Selbstüberwachung enthalten und das Überwachungssystem während der Produktbereitstellung konfigurieren.
• Automatisierung: Die Softwarebereitstellung sollte hochgradig automatisiert und zeitsparend sein.

Q # 4) Kann Python mit Selenium verwendet werden?

Antwort: Ja. Python-Sprache wird mit Selenium verwendet, um Tests durchzuführen. Die Python-API ist hilfreich, um über Selenium eine Verbindung zum Browser herzustellen. Python Selenium Kombination kann verwendet werden, um funktionale / Akzeptanztests mit Selenium WebDriver zu schreiben.

Q # 5) Ist Selen mit Python gut?

Antwort: Es gibt mehrere Gründe, warum Selenium und Python als eine gute Kombination angesehen werden:

• Selenium hat das stärkste Toolset, um eine schnelle Testautomatisierung zu unterstützen.
• Selenium bietet dedizierte Testfunktionen zum Testen von Webanwendungen, mit denen das Verhalten realer Anwendungen untersucht werden kann.
• Python ist eine objektbasierte und benutzerfreundliche Skriptsprache mit einer einfachen Schlüsselwortstruktur.

Nun, wenn es darum geht, Selenium mit Python zu verwenden, hat es mehrere Vorteile, wie unten angegeben.

• Einfach zu codieren und zu lesen.
• Die Python-API ist äußerst nützlich, um Sie über Selenium mit dem Browser zu verbinden.
• Selenium sendet den Standardbefehl von Python an verschiedene Browser, unabhängig von seinen Designvarianten.
• Python ist vergleichsweise einfach und kompakt als die anderen Programmiersprachen.
• Python kommt mit einer großen Community, um diejenigen zu unterstützen, die völlig neu sind, Selenium mit Python zu verwenden, um Automatisierungstests durchzuführen.
• Es ist freie und offene Programmiersprache die ganze Zeit.
• Selenium WebDriver ist ein weiterer starker Grund für die Verwendung von Selenium mit Python. Selenium WebDriver bietet eine starke Bindungsunterstützung für die einfache Benutzeroberfläche von Python.

Q # 6) Was sind die Maßnahmen, um das beste Python-Testframework auszuwählen?

Antwort: Bei der Auswahl des besten Python-Testframeworks sollten die folgenden Punkte berücksichtigt werden:

• Wenn die Qualität und Struktur der Skripte Ihre Zwecke erfüllt. Das Programmierskript sollte einfach zu verstehen / zu warten und fehlerfrei sein.
• Die Programmierstruktur von Python spielt eine wichtige Rolle bei der Auswahl des Testframeworks, das aus Attributen, Anweisungen, Funktionen, Operatoren, Modulen und Standardbibliotheksdateien besteht.
• Wie einfach lassen sich Tests generieren und in welchem Umfang können sie wiederverwendet werden?
• Die Methode für die Ausführung von Test / Testmodulen (Modullauftechniken).

Q # 7) Wie wählt man das beste Python-Testframework aus?

Antwort: Das Verständnis der Vorteile und Einschränkungen jedes Frameworks ist ein besserer Weg, um das beste Python-Testframework auszuwählen. Lassen Sie uns erkunden –

Robot Framework:

Vorteile:

• Der Keyword-gesteuerte Testansatz hilft, lesbare Testfälle einfacher zu erstellen.
• Mehrere APIs
• Einfache Testdatensyntax
• Unterstützt parallele Tests über Selenium Grid.

Einschränkungen:

• Das Erstellen benutzerdefinierter HTML-Berichte ist mit Robot ziemlich schwierig.
• Weniger Unterstützung für parallele Tests.
• Es erfordert Python 2.7.14 und höher.

Pytest:

Vorteile:

• Unterstützt kompakte Testsuite.
• Kein Debugger oder explizites Testprotokoll erforderlich.
• Mehrere Fixtures
• Erweiterbare Plugins
• Einfache und einfache Testerstellung.
• Möglich, Testfälle mit weniger Fehlern zu erstellen.

Einschränkungen:

• Nicht kompatibel mit anderen Frameworks.

Unittest:

Vorteile:

• Kein zusätzliches Modul erforderlich.
• Leicht zu erlernen für Tester auf Anfängerniveau.
• Einfache und einfache Testausführung.
• Schnelle Erstellung von Testberichten.

Einschränkungen

• snake_case Benennung von Python und camelCase Benennung von JUnit verursachen ein wenig Verwirrung.
• Unklare Absicht des Testcodes.
• Erfordert eine riesige Menge an Boilerplate-Code.

Doctest:

Vorteile:

• Eine gute Option für kleine Tests.
• Die Testdokumentation innerhalb der Methode enthält auch zusätzliche Informationen darüber, wie die Methode funktioniert.

Einschränkungen

• Es wird nur die gedruckte Ausgabe verglichen. Jede Variation in der Ausgabe führt zu einem Testfehler.

Nase 2:

Vorteile:

• Nase 2 unterstützt mehr prüfung konfiguration als unittest.
• Es enthält einen umfangreichen Satz aktiver Plugins.
• Andere API von unittest, die mehr Informationen über den Fehler liefert.

Einschränkungen:

• Bei der Installation von Plugins von Drittanbietern müssen Sie das Setup tool / distribute installieren, da Nose2 Python 3 unterstützt, jedoch keine Plugins von Drittanbietern.

Eigenschaften:

Vorteile:

• Einfach zu verstehen und zu verwenden.
• Unit-, Integrations- und Systemtests können einfach erstellt werden.
• Überschaubare und wiederverwendbare Testkomponenten.
• Das Hinzufügen neuer Funktionen zu Testifyis einfach.

Einschränkungen:

• Ursprünglich wurde Testify entwickelt, um unittest und Nose zu ersetzen, aber der Prozess des Übergangs zu pytest ist im Gange, daher wird den Benutzern empfohlen, Testify für einige anstehende Projekte nicht zu verwenden.

Verhalten Rahmen:

Vorteile:

• Einfache Ausführung aller Arten von Testfällen.
• Detaillierte Argumentation & Denken
• Klarheit der QA / Dev-Ausgabe.

Einschränkungen:

• Es werden nur Black-Box-Tests unterstützt.

Salat Rahmen:

Vorteile:

• Einfache Sprache zum Erstellen mehrerer Testszenarien.
• Hilfreich für verhaltensgesteuerte Testfälle für Black-Box-Tests.

Einschränkungen:

• Es bedarf dringend einer starken Koordination zwischen Entwicklern, Testern & Stakeholdern.

Sie können das am besten geeignete Python-Testframework auswählen, indem Sie die oben genannten Vorteile und Einschränkungen berücksichtigen, um die für Ihre Geschäftsanforderungen geeigneten Kriterien zu entwickeln.

Q # 8) Welches Framework eignet sich am besten für die Python-Automatisierung?

Antwort: Unter Berücksichtigung der Vorteile und Einschränkungen können wir den Testtyp als eine der Maßnahmen zur Auswahl des besten Testframeworks betrachten:

• Funktionstest: Roboter, PyTest, Unittest
• Verhaltensgesteuertes Testen: Verhalten, Verhalten

Roboter ist das beste Framework für diejenigen, die neu im Python-Test sind und einen soliden Start wünschen.

Fazit

Untereinheit, Versuch, Testressourcen, Sancho, Testtools sind einige weitere Namen, die in der Liste des Python-Testframeworks hinzugefügt wurden. Es gibt jedoch nur wenige Tools, die bisher populär geworden sind, da Python-Tests ein vergleichsweise neues Konzept sind, das in der Testwelt eingeführt wird.

Unternehmen arbeiten daran, diese Tools zu verbessern, damit sie leicht verständlich sind und Tests durchführen können. Mit den umfangreichen und präzisen Klassenarmaturen, Plugins und Paketen können diese Tools versiert und für die Durchführung von Python-Tests bevorzugt werden.

In der Zwischenzeit bieten die oben genannten Frameworks von unittest bis Testify den notwendigen Support und Service, um die beabsichtigte Systemleistung zu erreichen.