Denne Opplæringen Forklarer Hvordan Python Kan Brukes Til Testprogrammering og Viser Funksjonene og Sammenligningen av De Beste Python Testing Rammeverk:

Med den utbredte anvendelsen Av Kunstig Intelligens, Har Python blitt et populært programmeringsspråk.denne opplæringen vil dekke Hvordan Python kan brukes til testprogrammering sammen med Noen Python-baserte testrammer.

La oss starte!!

= > Sjekk Alle Python Tutorials her.

Hva Er Python?

I Henhold til den tradisjonelle definisjonen Er Python et tolket, høyt nivå, generelt programmeringsspråk som hjelper programmerere til å skrive håndterlig og logisk kode for små så vel som store prosjekter.

Noen av fordelene Med Pythons er:

• Ingen kompilering forårsaker rask utførelse Av Edit-Test-Debug-syklusen.
• Enkel feilsøking
• Omfattende støttebibliotek
• Lett å lære datastruktur
• Høy produktivitet
• teamsamarbeid

Arbeide I Python

• tolken leser python-koden fra kildefilen og undersøker den for en syntaksfeil.
• hvis koden er feilfri, konverterer tolken koden til Den tilsvarende ‘Byte code’.
• denne byte-koden overføres deretter Til Python Virtual Machine (PVM) hvor Byte-koden igjen kompileres for feil hvis noen.

Hva Er Python Testing?

• Automatisert testing er en velkjent kontekst i testverdenen. Det er der testplanene blir utført ved hjelp av skript i stedet for et menneske.Python kommer med verktøy og biblioteker som støtter automatisert testing for systemet ditt.
• Python Test tilfeller er relativt enkle å skrive. Med økt Bruk Av Python Blir Python-baserte testautomatiseringsrammer også populære.

Liste Over Python Testing Rammeverk

Enlisted nedenfor er Noen Python Testing rammeverk som du bør vite.

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

Sammenligning Av Python Testverktøy

la oss raskt oppsummere disse rammene i en kort sammenligningstabell:

(Forkortelser: Mit = Massachusetts Institute Of Technology (1980), BSD = Berkeley Software Distribution (1988), ASF = Apache Software Foundation(2004))

La oss starte!!

#1) Robot

• Den mest populære Robot Rammeverk er en åpen kildekode Automatisering Testing rammeverk basert På Python.
• dette rammeverket er helt utviklet I Python og brukes For Aksept Testing og Test-drevet utvikling. Søkeord stil blir brukt til å skrive testtilfeller I Robot rammeverk.
• Roboten er i stand Til å kjøre Java Og. Net og støtter også automatiseringstesting på tvers av plattformer Som Windows, Mac OS og Linux for stasjonære applikasjoner, mobile applikasjoner, webapplikasjoner, etc.
• Sammen Med Aksept Testing, Robot er også brukt For Robotic Process Automation (RPA).
• Pip (Package Installer For Python) er sterkt anbefalt For Robot installasjon.bruken av tabelldatasyntaks, søkeorddrevet testing, rike biblioteker & verktøysett og parallell testing er noen av De sterke egenskapene Til Robot som gjør Det populært blant testere.

Eksempel:

*** 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

her er et eksempel På Mislykket Testutførelse.

Here is a sample of Successful Test Execution.

Packages/Methods:

Link TIL API: Robot Rammeverk Brukerhåndbok
Last Ned Link: Robot

#2) PyTest

• PyTest er en Åpen Kildekode Python-basert testing rammeverk som generelt er allsidig, men spesielt for funksjonell og api-testing.
• Pip (Package Installer For Python) er nødvendig For pytest installasjon.Den støtter enkel eller kompleks tekstkode for å teste API, databaser og UIs.Enkel syntaks er nyttig for enkel testutførelse.
• Rik plugins og er i stand til å kjøre tester parallelt.
• kan kjøre en bestemt delmengde av tester.

Eksempel:

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

for å kjøre testen, bruk py.test kommando.

Skjermbilde For Referanse:

Pakker/Metoder:

hvis du vil ha tilgang til en test skrevet i en bestemt fil, bruker vi kommandoen nedenfor.

py.test <filename>

Pytest Fixture: Pytest Fixture brukes til å kjøre kode før du utfører testmetoden for å unngå koderepetisjon. Dette brukes i utgangspunktet til å initialisere databasetilkobling.

du kan definere PyTest fixture som vist nedenfor.

@pytest.fixture

Påstand: Påstand er betingelsen som returnerer sann eller usann. Testutførelsen stopper når påstanden mislykkes.

Nedenfor Er Et Eksempel:

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

Link TIL API: Pytest API
Last Ned Link: Pytest

#3) Unittest

• Unittest Er den aller Første Python-baserte automatisert enhet test rammeverk som ble utviklet for å fungere med Python standard bibliotek.
• Støtter gjenbruk av testdrakter og testorganisasjon.Den ble inspirert Av JUnit og støtter testautomatisering, inkludert testsamlinger, test uavhengighet, setup kode for tester, etc.
• Det blir også kalt Som PyUnit.
• Unittest2 Er en backport av flere nye funksjoner lagt Til Unittest.

Standard arbeidsflyt For Unittest:

• Importer unittest-modulen i programkoden.
• du kan definere din egen klasse.
• Opprett funksjoner i Klassen du har definert.
• Sted unittest.main () som er hovedmetoden nederst i koden for å kjøre testsaken.

Eksempel:

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//

Skjermbilde for Referanse:

Pakker / Metoder:

(Merk: enhetstest.mock () er et bibliotek For Python testing som lar erstatte systemdeler med mock objekter. Kjernen mock klassen bidrar til å lage en test suite enkelt.)

Link TIL API: Unittest API
Last Ned Link: Unittest

#4) DocTest

• Doctest Er en modul som er inkludert I Pythons standard distribusjon og brukes For White-box Enhet Testing.
• den søker etter interaktive python-økter for å sjekke om de jobber akkurat som nødvendig.
• Det gjør bruk av selektive Python evner som docstrings, Python interactive shell og Python introspection (bestemme egenskapene til objekter under kjøring).
• Kjernefunksjoner:
  • Oppdatere docstring
  • Utføre Regresjonstesting
• funksjonene testfile() og testmod () brukes til å gi grunnleggende grensesnitt.

Eksempel:

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

Skjermbilde for Referanse:

Pakker/Funksjoner:

Note: For å sjekke interaktive eksempler i tekstfilen kan vi bruke testfile ()-funksjonen;

doctest.testfile ("example.txt”)

du kan direkte kjøre testen fra kommandolinjen med;

python factorial.py

LINK TIL API: DocTest API
Last Ned Link: Doctest

#5) Nose2

l nose2 er etterfølgeren til nose, og det er en python-basert enhet testing rammeverk som kan kjøre doctests og unittests.Nose2 er basert på unittest derfor er det referert til som extend unittest eller unittest med plugin som er designet for å gjøre testing enkel og enklere.

Nose bruker kollektive tester fra unittest.testcase og støtter flere funksjoner for å skrive tester og unntak.Nose støtter pakkearmaturer, klasser, moduler og kompleks initialisering som skal defineres på en gang i stedet for å skrive ofte.

Eksempel:

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()

Skjermbilde for Referanse:

Pakker / Metoder:

Link TIL API: Plugins For Nose2
Last Ned Link: Nose2

#6) Testify

• Testify er designet for å erstatte enhetstest og nese. Vitne har mer avanserte funksjoner over unittest.Testify Er populær Som En Java implementering av semantisk testing (Lett å lære og implementere programvare testing spesifikasjon).
• Utføre Automatisert enhet, Integrasjon Og Systemtesting er lettere Å Vitne.

Funksjoner

• Enkel syntaks til ligaen metode.
• Improvisert test funn.
• Klassenivå oppsett og teardown fixture metode.
• Utvidbart plugin system.
• Lett å håndtere testing verktøy.

Eksempel:

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()

Skjermbilde for Referanse:

Pakker / Metoder:

Link TIL API: Pakke filer Av Vitne
Last Ned Link: Vitne

Ekstra Python Testing Rammeverk

Så langt har Vi gjennomgått den mest populære Python Testing Rammeverk. Det er få flere navn på denne listen som kan bli populære i fremtiden.#7) Behave

• Behave er REFERERT TIL SOM Bdd (Behavior Driven Development) test rammeverk som også brukes For Svart boks testing. Behave bruker det naturlige språket for å skrive tester og arbeider med Unicode-Strenger.Behave-katalogen inneholder funksjonsfiler som har et rent tekstformat som ser ut som naturlig språk og Python-trinnimplementeringer.

Link TIL API: Behave Brukerhåndbok
Last Ned Link: Behave

#8) Salat

• Salat er nyttig For Atferd Drevet Utvikling Testing. Det gjør testprosessen enkel og skalerbar.
• Salat inneholder trinn som:
  • Beskriver atferd
  • Trinn definisjon I Python.
  • Kjører koden
  • Endre kode for å bestå testen.
  • Kjører den endrede koden.
• disse trinnene blir fulgt i 3-4 ganger for å gjøre programvaren feilfri og dermed forbedre kvaliteten.

Link TIL API: Salat Dokumentasjon
Last Ned Link: Salat

Ofte Stilte Spørsmål og Svar

La oss ta en titt på noen av de vanligste Vanlige Spørsmål om dette emnet –

Q #1) Hvorfor Brukes Python til automatisering?

Svar: Siden Python kommer med verktøyene og bibliotekene som støtter automatisert testing for systemet ditt, er Det flere andre grunner til At Python brukes til testing.

• Python er objektorientert og funksjonell som lar programmerere konkludere om funksjonen og klasser er egnet som per kravene.
• Python tilbyr et rikt bibliotek av nyttige pakker for testing etter installasjon ‘Pip’.
• Statsløse funksjoner og enkel syntaks er nyttige for å lage lesbare tester.
• Python spiller rollen som broen mellom testsaken og testkoden.
• Python støtter dynamisk duck skrive.
• Tilbyr godt konfigurert IDE og god støtte TIL bdd-rammen.
• Rich kommandolinjestøtte er nyttig for å utføre en manuell sjekk.Enkel og god struktur, modularitet, rikt verktøysett og pakker kan være nyttig for skalautvikling.

Q #2) hvordan strukturere En Python test?

Svar: når du lager en test I Python, bør du vurdere to ting som angitt nedenfor.

• hvilken modul / del av systemet du vil teste?
• Hvilken type testing velger du (enten enhetstesting eller integrasjonstesting)?Den generelle strukturen I Python-Testen er like enkel som andre hvor vi bestemmer komponentene i tester som-innganger, testkode som skal utføres, utdata og sammenligning av utdata med forventede resultater.

  Q #3) Hvilket automatiseringsverktøy er skrevet I Python?Svar: Buildout Er et automatiseringsverktøy som er skrevet inn og utvidet Med Python og brukes til å automatisere programvaresamling. Buildout kan gjelde for alle programvarefaser helt fra utvikling til distribusjon.

  dette verktøyet er basert på 3 kjerneprinsipper:

  • Repeterbarhet: det sier prosjektkonfigurasjon utviklet i samme miljø skal gi samme resultat uavhengig av deres historie.
  • Componentization: Programvaretjenesten bør inkludere selvovervåkingsverktøy og bør konfigurere overvåkingssystemet under produktdistribusjon.
  • Automatisering: programvaredistribusjon bør være svært automatisert og tidsbesparende.

  Q #4) Kan Python brukes Med Selen?

  Svar: Ja. Python språk brukes Med Selen for å utføre testing. Python API er nyttig for å koble til nettleseren gjennom Selen. Python Selen kombinasjon kan brukes til å skrive funksjonelle / aksept tester ved Hjelp Av Selen WebDriver.

  Q #5) Er Selen Med Python bra?

  Svar: Det er flere grunner Til At Selen og Python anses som en god kombinasjon:

  • Selen har det sterkeste verktøysettet for å støtte rask testautomatisering.Selen Tilbyr Dedikerte testfunksjoner for å utføre webapplikasjonstesting som bidrar til å undersøke ekte applikasjonsadferd.
  • Mens Python er et høyt nivå, objektbasert og brukervennlig skriptspråk med en enkel søkeordstruktur.

  Nå, når det gjelder Å bruke Selen Med Python, har det flere fordeler som angitt nedenfor.

  • Lett å kode og lese.
  • Python API er svært nyttig å koble deg til nettleseren Gjennom Selen.Selen sender standard kommando Av Python til ulike nettlesere uavhengig av designvariasjoner.
  • Python er relativt enkelt og kompakt enn de andre programmeringsspråkene.Python kommer med et stort fellesskap for å støtte de som er helt nye For Å bruke Selen Med Python til å utføre automatiseringstesting.
  • det er gratis og åpent programmeringsspråk hele tiden.
  • Selen WebDriver er en annen sterk grunn til Å bruke Selen Med Python. Selen WebDriver har sterk bindende støtte For Pythons enkle brukergrensesnitt.

  Q #6) Hva er tiltakene for å velge det beste Python-testrammen?

  Svar: For å velge det beste Python-testrammen, bør punktene nedenfor tas i betraktning:

  • Hvis kvaliteten Og strukturen til skriptene oppfyller dine formål. Programmeringsskriptet skal være lett å forstå/vedlikeholde og fri for feil.Programmerings strukturen I Python spiller en viktig rolle i å velge testing rammeverk som består-Attributter – uttalelser, funksjoner, operatører, moduler og standard bibliotekfiler.
  • Hvor enkelt kan du generere tester og i hvilken grad de kan gjenbrukes?
  • metoden vedtatt for test / testmodulutførelse (Modulløpsteknikker).

  Q # 7) hvordan velge Den beste Python Testing rammeverk?Svar: Å Forstå fordelene og begrensningene til hvert rammeverk er en bedre måte å velge Det beste Python-Testrammen på. La oss utforske –

  Robot Rammeverk:

  Fordeler:

  • Søkeord-drevet test tilnærming bidrar til å skape lesbare testtilfeller på en enklere måte.
  • Flere Apier
  • Enkel test data syntaks
  • Støtter parallell testing via Selen Rutenett.

  Begrensninger:

  • Å Lage tilpassede HTML-rapporter er ganske vanskelig med Robot.
  • Mindre støtte til parallell testing.
  • Det krever Python 2.7.14 og nyere.

  Pytest:

  Fordeler:

  • Støtter kompakt test suite.
  • Ingen behov for debugger eller noen eksplisitt testlogg.
  • Flere inventar
  • Utvidbare plugins
  • Enkel og enkel test skapelse.
  • Mulig å lage testtilfeller med færre bugs.

  Begrensninger:

  • ikke kompatibel med andre rammer.

  Unittest:

  Fordeler:

  • Ingen behov for noen ekstra modul.
  • Lett å lære for testere på nybegynnernivå.
  • Enkel og lett testutførelse.
  • rask test rapport generasjon.

  Begrensninger

  • snake_case navngiving Av Python og camelCase navngiving Av JUnit forårsake litt forvirring.
  • Uklar hensikt med testkoden.
  • Krever en stor mengde standardtekstkode.

  Doctest:

  Fordeler:

  • et godt alternativ for å utføre små tester.
  • Testdokumentasjon i metoden gir også ytterligere informasjon om hvordan metoden fungerer.

  Begrensninger

  • den sammenligner bare utskriften. Enhver variasjon i utgangen vil føre til en testfeil.Nese 2:

    Fordeler:

    • Nese 2 støtter mer testing konfigurasjon enn unittest.
    • den inneholder et betydelig sett med aktive plugins.
    • Forskjellig API fra unittest som gir mer informasjon om feilen.

    Begrensninger:

    • mens du installerer tredjeparts plugins må du installere setup tool / distribuere pakken, Som Nose2 støtter Python 3, men ikke tredjeparts plugins.

    Testify:

    Fordeler:

    • Lett å forstå og bruke.
    • Enhet, Integrasjon og Systemtester kan enkelt opprettes.
    • Håndterbare og gjenbrukbare testkomponenter.
    • Legge til nye funksjoner For Å Testifyer enkelt.

    Begrensninger:I Utgangspunktet Testify ble utviklet for å erstatte unittest og Nose, men prosessen med å transitere den til pytest er på, så det anbefales at brukerne unngår Å bruke Testify for få kommende prosjekter.Behave Framework:

    Fordeler:

    • Enkel utførelse av alle typer testtilfeller.
    • Detaljert resonnement& tenkning
    • Klarhet I qa/Dev utgang.

    Begrensninger:

    • den støtter bare svart boks testing.

    Salat Rammeverk:

    Fordeler:

    • Enkelt språk for å opprette flere testscenarier.
    • Nyttig for atferdsdrevne testtilfeller for black-box testing.

    Begrensninger:

    • Det trenger sterkt sterk koordinering blant utviklere, testere & interessenter.

    Du kan velge Den Best egnede Python testing rammeverk ved å vurdere de ovennevnte fordeler og begrensninger som vil bidra til å utvikle kriteriene som passer for dine forretningsbehov.

    Q # 8) Hvilket rammeverk er best for Python-Automatisering?

    Svar: Mens vi vurderer fordelene og begrensningene, kan vi vurdere testtypen som en av tiltakene for å velge best testing framework: Funksjonell Testing: Robot, PyTest, Unittest

  Atferdsdrevet Testing: Oppføre Seg, Salat

Robot Er det beste rammeverket for de som er nye Til Python testing og ønsker å få en solid start.

Konklusjon

Underenhet, Trial, Test resources, Sancho, Testtools er noen flere navn lagt til i listen Over Python Testing Framework. Det er imidlertid bare noen få verktøy som har blitt popularisert så langt Som Python testing er et relativt nytt konsept som er introdusert i testverdenen.

Bedrifter jobber med å gjøre disse verktøyene bedre slik at de er enkle å forstå og utføre testing. Med de rike og presise klasse inventar, plugins og pakker disse verktøyene kan bli godt bevandret og foretrekke for å utføre Python Testing.

i Mellomtiden gir rammer nevnt ovenfor fra unittest To Testify mye nødvendig støtte og service for å oppnå den tiltenkte systemytelsen.