Este Tutorial Explica Cómo se puede Usar Python para la Programación de Pruebas y Enumera las Características y la Comparación de los Principales Marcos de Prueba de Python:

Con la aplicación generalizada de la Inteligencia Artificial, Python se ha convertido en un lenguaje de programación popular.

Este tutorial cubrirá cómo se puede usar Python para la programación de pruebas junto con algunos marcos de pruebas basados en Python.

¡Empecemos!!

=> Compruebe TODOS los Tutoriales de Python Aquí.

¿Qué Es Python?

De acuerdo con la definición tradicional, Python es un lenguaje de programación general interpretado de alto nivel que ayuda a los programadores a escribir código manejable y lógico para proyectos pequeños y grandes.

Algunos de los beneficios de Pythons son:

• Ninguna compilación causa la ejecución rápida del ciclo de Edición-Prueba-Depuración.
• Depuración fácil
• Amplia biblioteca de soporte
• Estructura de datos fácil de aprender
• Alta productividad
• Colaboración en equipo

Trabajar en Python

• El intérprete lee el código python del archivo de origen y lo examina en busca de un error de sintaxis.
• Si el código está libre de errores, el intérprete convierte el código a su equivalente ‘Código de bytes’.
• Este código de bytes se transmite a la Máquina Virtual de Python (PVM), donde el código de bytes se compila de nuevo para detectar errores, si los hubiera.

¿Qué Es la Prueba de Python?

• Las pruebas automatizadas son un contexto bien conocido en el mundo de las pruebas. Es donde se ejecutan los planes de prueba utilizando script en lugar de un humano.
• Python viene con las herramientas y bibliotecas que admiten pruebas automatizadas para su sistema.
• Los casos de prueba de Python son comparativamente fáciles de escribir. Con el mayor uso de Python, los marcos de automatización de pruebas basados en Python también se están volviendo populares.

Lista De Frameworks De prueba de Python

Enlistados a continuación se muestran algunos frameworks de prueba de Python que debe conocer.

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

Comparación de Python Herramientas de Prueba

Vamos a resumir rápidamente estos marcos en una breve comparación de la tabla:

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

¡Comencemos!!

#1) Robot

• El framework de Robot más popular es un framework de pruebas de automatización de código abierto basado en Python.
• Este framework está completamente desarrollado en Python y se utiliza para Pruebas de Aceptación y desarrollo basado en Pruebas. El estilo de palabras clave se utiliza para escribir casos de prueba en el marco de Robots.
• El robot es capaz de ejecutar Java y. Net y también admite pruebas de automatización en multiplataforma como Windows, Mac OS y Linux para aplicaciones de escritorio,aplicaciones móviles, aplicaciones web, etc.
• Junto con las Pruebas de aceptación, el Robot también se utiliza para la Automatización Robótica de Procesos (RPA).
• Pip (Instalador de paquetes para Python) es muy recomendable para la instalación de robots.
• El uso de sintaxis de datos tabulares, pruebas basadas en palabras clave, bibliotecas enriquecidas & conjunto de herramientas y pruebas paralelas son algunas de las características fuertes del Robot que lo hacen popular entre los probadores.

Ejemplo:

*** 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

Aquí hay una muestra de Ejecución de prueba fallida.

Here is a sample of Successful Test Execution.

Packages/Methods:

Enlace a API: Guía de usuario de Robot Framework
Enlace de descarga: Robot

#2) PyTest

• PyTest es un marco de pruebas de código abierto basado en Python que generalmente-propósito, pero especialmente para pruebas funcionales y de API.
• Pip (Instalador de paquetes para Python) es necesario para la instalación de PyTest.
• Admite código de texto simple o complejo para probar API, bases de datos e interfaces de usuario.
• La sintaxis simple es útil para facilitar la ejecución de pruebas.
• Complementos enriquecidos y es capaz de ejecutar pruebas en paralelo.
• Puede ejecutar cualquier subconjunto específico de pruebas.

Ejemplo:

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

Para ejecutar la prueba utilice el py.comando de prueba.

Captura de pantalla de Referencia:

Paquetes/Métodos:

Si desea acceder a una prueba escrita en un archivo específico utilizamos el siguiente comando.

py.test <filename>

Accesorio Pytest: El accesorio Pytest se utiliza para ejecutar código antes de ejecutar el método de prueba para evitar la repetición de código. Esto se usa básicamente para inicializar la conexión a la base de datos.

Puede definir el accesorio PyTest como se muestra a continuación.

@pytest.fixture

Aserción: La aserción es la condición que devuelve verdadero o falso. La ejecución de la prueba se detiene cuando la aserción falla.

A continuación se muestra un ejemplo:

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

Enlace a API: Pytest API
Enlace de descarga: Pytest

#3) Unittest

• Unittest es el primer marco de pruebas unitarias automatizadas basado en Python que se diseñó para funcionar con la biblioteca estándar de Python.
• Admite la reutilización de trajes de prueba y la organización de pruebas.
• Se inspiró en JUnit y admite la automatización de pruebas, incluidas colecciones de pruebas, independencia de pruebas, código de configuración para pruebas, etc.
• También se le llama PyUnit.
• Unittest2 es un backport de nuevas características adicionales agregadas a Unittest.

Flujo de trabajo estándar de Unittest:

• Importe el módulo Unittest en el código del programa.
• Puedes definir tu propia clase.
• Cree funciones dentro de la clase que ha definido.
• Lugar unittest.main (), que es el método principal en la parte inferior del código para ejecutar el caso de prueba.

Ejemplo:

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//

Captura de pantalla de Referencia:

Paquetes/Métodos:

(Nota: unittest.mock() es una biblioteca para pruebas de Python que permite reemplazar partes del sistema con objetos simulados. La clase de simulación básica ayuda a crear un conjunto de pruebas fácilmente.)

Enlace a API: Unittest API
Enlace de descarga: Unittest

#4) DocTest

• Doctest es un módulo que se incluye en la distribución estándar de Python y se utiliza para Pruebas unitarias de caja blanca.
• Busca sesiones interactivas de python para comprobar si funcionan exactamente como se requiere.
• Hace uso de capacidades selectivas de Python, como docstrings, el shell interactivo de Python e introspección de Python (determinación de propiedades de objetos en tiempo de ejecución).
• Funciones principales:
  • Actualizar docstring
  • Realizar pruebas de regresión
• Las funciones testfile() y testmod() se utilizan para proporcionar una interfaz básica.

Ejemplo:

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

Captura de pantalla de Referencia:

Paquetes/Funciones:

Note: Para comprobar ejemplos interactivos en el archivo de texto podemos usar la función testfile ();

doctest.testfile ("example.txt”)

Puede ejecutar directamente la prueba desde la línea de comandos con;

python factorial.py

Enlace a API: DocTest API
Enlace de descarga: Doctest

#5) Nose2

• Nose2 es el sucesor de Nose y es un framework de pruebas unitarias basado en Python que puede ejecutar Doctests y UnitTests.
• Nose2 se basa en unittest, por lo que se le conoce como extender unittest o unittest con el complemento que fue diseñado para hacer que las pruebas sean simples y fáciles.
• Nose utiliza pruebas colectivas de unittest.testcase y soporta múltiples funciones para escribir pruebas y excepciones.
• Nose admite accesorios de paquetes, clases, módulos e inicialización compleja que se definirán a la vez en lugar de escribir con frecuencia.

Ejemplo:

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()

Captura de pantalla de Referencia:

Paquetes/Métodos:

Enlace API: Plugins para Nose2
Link de Descarga: Nose2

#6) Declarar

• Testificar fue diseñado para reemplazar unittest y la nariz. Testify tiene características más avanzadas que unittest.
• Testify es popular como una implementación Java de pruebas semánticas (Fácil de aprender e implementar especificaciones de pruebas de software).
• Realizar pruebas Automatizadas de unidades, Integración y Sistemas es más fácil Testificar.

Características

• sintaxis Simple accesorio método.
• Descubrimiento improvisado de pruebas.
• Configuración a nivel de clase y método de instalación de desmontaje.
• Sistema de complementos extensibles.
• Utilidades de prueba fáciles de manejar.

Ejemplo:

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()

Captura de pantalla de Referencia:

Paquetes/Métodos:

Enlace a API: Archivos de paquete de Testify
Enlace de descarga: Testify

Framework de pruebas de Python adicional

Hasta ahora hemos revisado el Framework de pruebas de Python más popular. Hay pocos nombres más en esta lista que podrían volverse populares en el futuro.

#7) Comportarse

• Comportarse se conoce como marco de prueba BDD (Desarrollo impulsado por el comportamiento) que también se usa para pruebas de caja negra. Behave utiliza el lenguaje natural para escribir pruebas y funciona con cadenas Unicode.
• El directorio Behave contiene archivos de características que tienen un formato de texto plano que se parece a las implementaciones de pasos de lenguaje natural y Python.

Enlace a API: Guía de usuario Comportarse
Enlace de descarga: Comportarse

#8) Lechuga

• Lechuga es útil para Pruebas de Desarrollo Basadas en el Comportamiento. Hace que el proceso de prueba sea fácil y escalable.
• Lechuga incluye pasos como:
  • Descripción del comportamiento
  • Definición de pasos en Python.
  • se Ejecuta el código
  • Modificar el código para pasar la prueba.
  • Ejecutando el código modificado.
• Estos pasos se siguen de 3 a 4 veces para que el software esté libre de errores y, por lo tanto, mejore su calidad.

Enlace a API: Documentación de Lechuga
Enlace de descarga: Lechuga

Preguntas y respuestas frecuentes

Echemos un vistazo a algunas de las preguntas frecuentes más comunes sobre este tema:

P #1) ¿Por qué se utiliza Python para la automatización?

Respuesta: Como ‘Python viene con las herramientas y bibliotecas que admiten pruebas automatizadas para su sistema’, hay varias otras razones por las que Python se utiliza para realizar pruebas.

• Python está orientado a objetos y es funcional, lo que permite a los programadores concluir si la función y las clases son adecuadas según los requisitos.
• Python ofrece una rica biblioteca de paquetes útiles para probar después de instalar ‘Pip’.
• Las funciones sin estado y la sintaxis simple son útiles para crear pruebas legibles.
• Python desempeña el papel de puente entre el caso de prueba y el código de prueba.
• Python admite la tipificación dinámica de pato.
• Ofrece un IDE bien configurado y un buen soporte para el marco BDD.
• El soporte de línea de comandos enriquecida es útil para realizar una comprobación manual.
• La estructura simple y buena, la modularidad, el rico conjunto de herramientas y los paquetes pueden ser útiles para el desarrollo a escala.

Q #2) ¿Cómo estructurar una prueba de Python?

Respuesta: Para cuando cree una prueba en Python, debe considerar dos cosas como se indica a continuación.

• ¿Qué módulo / parte del sistema desea probar?
• ¿En qué tipo de pruebas está participando (ya sea pruebas unitarias o pruebas de integración)?

La estructura general de la prueba de Python es tan simple como otras en las que decidimos los componentes de las pruebas, como entradas, código de prueba a ejecutar, salida y comparación de salida con los resultados esperados.

P #3) ¿Qué herramienta de automatización está escrita en Python?

Respuesta: Buildout es una herramienta de automatización que está escrita y extendida con Python y se utiliza para automatizar el ensamblaje de software. Buildout puede aplicarse a todas las fases del software, desde el desarrollo hasta la implementación.

Esta herramienta se basa en 3 principios básicos:

• Repetibilidad: Indica que la configuración del proyecto desarrollada en el mismo entorno debe producir el mismo resultado independientemente de su historial.
• Componentización: El servicio de software debe incluir herramientas de autocontrol y debe configurar el sistema de monitorización durante la implementación del producto.Automatización: La implementación de software debe estar altamente automatizada y ahorrar tiempo.

Q #4) ¿Se puede usar Python con Selenio?

Respuesta: Sí. El lenguaje Python se utiliza con Selenium para realizar pruebas. La API de Python es útil para conectarse con el navegador a través de Selenium. La combinación de Python Selenium se puede usar para escribir pruebas funcionales/de aceptación usando Selenium WebDriver.

Q # 5) ¿Es bueno el Selenio con Python?

Respuesta: Hay varias razones por las que Selenium y Python se consideran una buena combinación:

• Selenium tiene el conjunto de herramientas más sólido para admitir la automatización de pruebas rápidas.
• Selenium ofrece funciones de prueba dedicadas para realizar pruebas de aplicaciones web que ayudan a examinar el comportamiento real de las aplicaciones.
• Mientras que Python es un lenguaje de scripting de alto nivel, basado en objetos y fácil de usar con una estructura de palabras clave simple.

Ahora, cuando se trata de usar Selenium con Python, tiene varios beneficios como se indica a continuación.

• Fácil de codificar y leer.
• La API de Python es extremadamente útil para conectarte al navegador a través de Selenium.
• Selenium envía comandos estándar de Python a varios navegadores independientemente de sus variaciones de diseño.
• Python es comparativamente simple y compacto que los otros lenguajes de programación.
• Python viene con una gran comunidad para apoyar a aquellos que son completamente nuevos en usar Selenium con Python para realizar pruebas de automatización.
• Es un lenguaje de programación libre y abierto todo el tiempo.
• Selenium WebDriver es otra fuerte razón para usar Selenium con Python. Selenium WebDriver tiene un fuerte soporte de enlace para la sencilla interfaz de usuario de Python.

Q # 6) ¿Cuáles son las medidas para elegir el mejor framework de pruebas de Python?

Respuesta: Para elegir el mejor framework de pruebas de Python, se deben tener en cuenta los siguientes puntos:

• Si la calidad y la estructura de los scripts cumplen sus propósitos. El script de programación debe ser fácil de entender/mantener y libre de defectos.
• La estructura de programación de Python juega un papel importante en la elección del marco de pruebas que consiste en Atributos, instrucciones, funciones, operadores, módulos y archivos de biblioteca estándar.
• ¿Con qué facilidad puede generar pruebas y en qué medida se pueden reutilizar?
• El método adoptado para la ejecución del módulo de prueba/prueba (Técnicas de ejecución de módulos).

Q #7) ¿Cómo elegir el mejor marco de pruebas de Python?

Respuesta: Comprender las ventajas y limitaciones de cada framework es una mejor manera de elegir el mejor framework de pruebas de Python. Exploremos-

Robot Framework:

Ventajas:

• El enfoque de prueba basado en palabras clave ayuda a crear casos de prueba legibles de una manera más fácil.
• Múltiples API
• Sintaxis fácil de datos de prueba
• Admite pruebas paralelas a través de la cuadrícula de Selenio.Limitaciones

:

• Crear informes HTML personalizados es bastante complicado con Robot.
• Menos soporte para pruebas paralelas.
• Requiere Python 2.7.14 y superior.

Pytest:

Ventajas:

• Admite un conjunto de pruebas compacto.
• No es necesario el depurador ni ningún registro de pruebas explícito.
• Múltiples accesorios
• Complementos extensibles
• Creación de pruebas fácil y sencilla.
• Es posible crear casos de prueba con menos errores.

Limitaciones:

• No es compatible con otros marcos.

Unittest:

Ventajas:

• No se necesita ningún módulo adicional.
• Fácil de aprender para probadores de nivel principiante.
• Ejecución de pruebas sencilla y fácil.
• Generación rápida de informes de pruebas.

Limitaciones

• la nomenclatura snake_case de Python y la nomenclatura camelCase de JUnit causan un poco de confusión.
• Intención no clara del código de prueba.
• Requiere una gran cantidad de código repetitivo.

Doctest:

Ventajas:

• Una buena opción para la realización de pequeñas pruebas.
• La documentación de prueba dentro del método también proporciona información adicional sobre cómo funciona el método.

Limitaciones

• sólo Se compara la salida impresa. Cualquier variación en la salida causará un fallo de prueba.

Nose 2:

Ventajas:

• Nose 2 admite más configuraciones de prueba que unittest.
• Incluye un conjunto sustancial de complementos activos.
• API diferente de unittest que proporciona más información sobre el error.Limitaciones

:

• Al instalar complementos de terceros, debe instalar la herramienta de configuración / el paquete de distribución, ya que Nose2 es compatible con Python 3, pero no con complementos de terceros.

Testificar:

Ventajas:

• Fácil de entender y usar.
• Las pruebas de unidad, Integración y sistema se pueden crear fácilmente.
• Componentes de prueba manejables y reutilizables.
• Añadir nuevas funciones a Testifyesfácil.Limitaciones

:

• Inicialmente Testify fue desarrollado para reemplazar unittest y Nose, pero el proceso de tránsito a pytest está activado, por lo que se recomienda que los usuarios eviten usar Testify para algunos proyectos futuros.

se Comportan Marco:

Ventajas:

• Fácil la ejecución de todos los tipos de casos de prueba.
• Razonamiento detallado & pensamiento
• Claridad de la salida de QA/Dev.

Limitaciones:

• Solo admite pruebas de caja negra.

Marco de lechuga:

Ventajas:

• Lenguaje sencillo para crear múltiples escenarios de prueba.
• Útil para casos de prueba basados en el comportamiento para pruebas de caja negra.

Limitaciones:

• Necesita una fuerte coordinación entre desarrolladores, probadores & partes interesadas.

Puede elegir el mejor marco de pruebas de Python adecuado teniendo en cuenta las ventajas y limitaciones anteriores que le ayudarán a desarrollar los criterios adecuados para las necesidades de su negocio.

Q # 8) ¿Qué marco de trabajo es el mejor para la automatización de Python?

Respuesta: Al considerar las ventajas y limitaciones, podemos considerar el tipo de prueba como una de las medidas para elegir el mejor marco de prueba:

• Pruebas funcionales: Robot, PyTest, Unittest
• Pruebas basadas en el comportamiento: Behave, Lechuga

Robot es el mejor marco para aquellos que son nuevos en las pruebas de Python y desean tener un comienzo sólido.

Conclusión

Subunidad, Prueba, Recursos de prueba, Sancho, Herramientas de prueba son algunos nombres más agregados en la lista de Framework de pruebas de Python. Sin embargo, solo hay unas pocas herramientas que se han popularizado hasta el momento, ya que las pruebas de Python son un concepto comparativamente nuevo que se introduce en el mundo de las pruebas.

Las empresas están trabajando para mejorar estas herramientas para que sean fáciles de entender y realizar pruebas. Con los accesorios de clase, complementos y paquetes ricos y precisos, estas herramientas pueden ser bien versadas y preferibles para realizar pruebas de Python.

Mientras tanto, los marcos mencionados anteriormente de unittest to Testify están proporcionando mucho apoyo y servicio necesarios para lograr el rendimiento del sistema deseado.