deze Tutorial legt uit hoe Python kan worden gebruikt voor Testprogrammering en geeft een overzicht van de functies en vergelijking van de top Python Testing Frameworks:

met de wijdverbreide toepassing van kunstmatige intelligentie is Python een populaire programmeertaal geworden.

Deze tutorial zal beschrijven hoe Python gebruikt kan worden voor testprogrammering samen met een aantal op Python gebaseerde test frameworks.

laten we beginnen!!

=> controleer alle Python Tutorials hier.

Wat Is Python?

volgens de traditionele definitie is Python een geà nterpreteerde, algemene programmeertaal op hoog niveau die programmeurs helpt om beheersbare en logische code te schrijven voor zowel kleine als grote projecten.

enkele voordelen van Pythons zijn:

• geen compilatie veroorzaakt de snelle uitvoering van de Edit-Test-Debug cyclus.
• eenvoudig debuggen
• uitgebreide ondersteuningsbibliotheek
• gemakkelijk te leren gegevensstructuur
• hoge productiviteit
• teamsamenwerking

werken In Python

• de interpreter leest de python-code uit het bronbestand en onderzoekt het voor een syntaxfout.
• als de code foutloos is, converteert de interpreter de code naar de equivalente ‘Byte code’.
• deze byte code wordt vervolgens verzonden naar de Python Virtual Machine (PVM) waar de Byte code opnieuw wordt gecompileerd voor eventuele fouten.

Wat is het testen van Python?

• geautomatiseerd testen is een bekende context in de testwereld. Het is waar de testplannen worden uitgevoerd met behulp van script in plaats van een mens.
• Python wordt geleverd met de tools en bibliotheken die geautomatiseerde testen voor uw systeem ondersteunen.
• Python Test cases zijn relatief eenvoudig te schrijven. Met het toegenomen gebruik van Python, Python-gebaseerde test automation frameworks worden ook steeds populairder.

lijst van Python test Frameworks

Hieronder staan enkele Python test frameworks die u moet weten.

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

vergelijking van Python-testtools

laten we deze frameworks snel samenvatten in een korte vergelijkingstabel:

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

laten we beginnen!!

#1) Robot

• het meest populaire Robotframework is een open-source Automation Testing framework gebaseerd op Python.
• dit raamwerk is volledig ontwikkeld in Python en wordt gebruikt voor acceptatietesten en Testgestuurde ontwikkeling. Keyword stijl wordt gebruikt om testcases in Robot framework schrijven.
• De Robot kan Java en. net draaien en ondersteunt ook automatiseringstests op cross-platform zoals Windows, Mac OS en Linux voor desktoptoepassingen, mobiele toepassingen, webtoepassingen, enz.
• naast acceptatietesten wordt Robot ook gebruikt voor Robotic Process Automation (RPA).
• Pip (Package Installer for Python) wordt sterk aanbevolen voor Robot installatie.
• het gebruik van tabelgegevenssyntaxis, keyword-driven testing, rich libraries & toolset, en parallel testen zijn enkele van de sterke eigenschappen van Robot die het populair maken onder testers.

voorbeeld:

*** 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 is een voorbeeld van mislukte testuitvoering.

Here is a sample of Successful Test Execution.

Packages/Methods:

Link naar API: Robot Framework gebruikershandleiding
Download Link: Robot

#2) PyTest

• PyTest is een open-source Python-gebaseerd testkader dat over het algemeen alle-doel maar vooral voor functionele en API testen.
• Pip (Pakket Installer voor Python) is vereist voor PyTest installatie.
• Het ondersteunt eenvoudige of complexe tekstcode om API, databases en UI ‘ s te testen.
• eenvoudige syntaxis is nuttig voor eenvoudige uitvoering van de test.
• Rich plugins en is in staat om tests parallel uit te voeren.
• kan elke specifieke subset van tests uitvoeren.

voorbeeld:

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

om de test uit te voeren, gebruik de py.testcommando.

Screenshot voor referentie:

pakketten/methoden:

Als u toegang wilt krijgen tot een test geschreven in een specifiek bestand, gebruiken we het onderstaande commando.

py.test <filename>

Pytest-armatuur: Pytest-armatuur wordt gebruikt om code uit te voeren voordat de testmethode wordt uitgevoerd om herhaling van code te voorkomen. Dit wordt in principe gebruikt om database verbinding te initialiseren.

U kunt PyTest-armatuur definiëren zoals hieronder weergegeven.

@pytest.fixture

bewering: bewering is de voorwaarde die waar of onwaar retourneert. De uitvoering van de Test stopt wanneer de bewering mislukt.

Hieronder is een voorbeeld:

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

Link naar API: Pytest API
Download Link: Pytest

#3) Unittest

• Unittest is het allereerste op Python gebaseerde geautomatiseerde unit test framework dat is ontworpen om te werken met de Python standaard bibliotheek.
• ondersteunt het hergebruik van testpakken en testorganisatie.
• het werd geà nspireerd door JUnit en ondersteunt testautomatisering, waaronder testcollecties, test onafhankelijkheid, setup code voor tests, enz.
• Het wordt ook PyUnit genoemd.
• Unittest2 is een backport van extra nieuwe functies toegevoegd aan de Unittest.

Standaardworkflow van Unittest:

• importeer de unittest-module in de programmacode.
• u kunt uw eigen klasse definiëren.
• maak functies binnen de klasse die u hebt gedefinieerd.
• plaats unittest.main () dat is de belangrijkste methode aan de onderkant van de code om de TestCASE uit te voeren.

voorbeeld:

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 voor referentie:

pakketten / methoden:

(opmerking: unittest.mock () is een bibliotheek voor het testen van Python waarmee systeemonderdelen kunnen worden vervangen door mockobjecten. De kern mock class helpt om een test suite gemakkelijk te creëren.)

Link naar API: Unittest API
Download Link: Unittest

#4) DocTest

• Doctest is een module die is opgenomen in Python ‘ s Standaard Distributie en wordt gebruikt voor White-box Unit testen.
• Het zoekt naar interactieve python sessies om te controleren of ze precies werken zoals vereist.
• het maakt gebruik van selectieve Python mogelijkheden zoals docstrings, de Python interactieve shell en Python introspectie (het bepalen van eigenschappen van objecten tijdens runtime).
• kernfuncties:
  • docstring bijwerken
  • regressietest uitvoeren
• De functies testfile() en testmod() worden gebruikt om een basisinterface te bieden.

voorbeeld:

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 voor referentie:

pakketten/functies:

Note: Voor het controleren van interactieve voorbeelden in de tekst-bestand kunnen we gebruik maken van de testfile() functie;

doctest.testfile ("example.txt”)

U kunt direct de test uitvoeren vanaf de commando-regel met;

python factorial.py

Link naar API: Data API
Download Link: Data

#5) Nose2

• Nose2 is de opvolger van de Neus en het is een Python-gebaseerde Unit Test framework dat Doctests en UnitTests.
• Nose2 is gebaseerd op unittest daarom wordt het aangeduid als uitbreiding unittest of unittest met de plugin die is ontworpen om het testen eenvoudig en gemakkelijker te maken.
• neus gebruikt collectieve tests van unittest.testcase en ondersteunt meerdere functies voor het schrijven van tests en uitzonderingen.
• neus ondersteunt pakket-armaturen, klassen, modules en complexe initialisatie die in één keer gedefinieerd moeten worden in plaats van regelmatig te schrijven.

voorbeeld:

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 voor referentie:

pakketten / methoden:

Link naar API: Plugins voor Nose2
Download Link: Nose2

#6) getuigen

• getuigen is ontworpen om unittest en nose te vervangen. Getuigen heeft meer geavanceerde functies dan unittest.
• Testify is populair als een Java-implementatie van semantische testen (eenvoudig te leren en software testspecificatie te implementeren).
• het uitvoeren van geautomatiseerde unit -, integratie-en systeemtests is gemakkelijker te getuigen.

Features

• eenvoudige syntaxis aan fixture methode.
• geïmproviseerde test ontdekking.
• klasse-niveau instelling en teardown fixture methode.
• uitbreidbaar plugin systeem.
• gemakkelijk te gebruiken testprogramma ‘ s.

voorbeeld:

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 voor referentie:

pakketten / methoden:

Link naar API: pakketbestanden van getuigen
Download Link: getuigen

Additional Python Testing Framework

tot nu toe hebben we het meest populaire Python Testing Framework bekeken. Er zijn nog maar weinig namen op deze lijst die in de toekomst populair zouden kunnen worden.

#7) gedrag

• gedrag wordt aangeduid als BDD (Behavior Driven Development) test framework dat ook wordt gebruikt voor Black box testen. Behave gebruikt de natuurlijke taal voor het schrijven van tests en werkt met Unicode Strings.
• Active directory bevat featurebestanden die een platte tekst formaat hebben en eruit zien als natuurlijke taal en Python step implementaties.

Link naar API: gebruikershandleiding gedragen
Download Link: gedraag

#8) sla

• sla is nuttig voor Gedraggestuurde Ontwikkelingstesten. Het maakt het testproces eenvoudig en schaalbaar.
• sla bevat stappen zoals:
  • beschrijft gedrag
  • Steps definitie in Python.
  • het uitvoeren van de code
  • het wijzigen van de code om de test te doorstaan.
  • het uitvoeren van de gewijzigde code.
• deze stappen worden 3 tot 4 keer gevolgd om de software foutloos te maken en zo de kwaliteit ervan te verbeteren.

Link naar API: sla documentatie
Download Link: sla

Veelgestelde vragen en Antwoorden

laten we eens kijken naar enkele van de meest voorkomende Veelgestelde Vragen over dit onderwerp-

Q #1) Waarom wordt Python gebruikt voor automatisering?

antwoord: omdat ‘Python wordt geleverd met de tools en bibliotheken die geautomatiseerd testen voor uw systeem ondersteunen’, zijn er verschillende andere redenen waarom Python wordt gebruikt voor het testen.

• Python is objectgeoriënteerd en functioneel waardoor programmeurs kunnen concluderen of de functie en klassen geschikt zijn volgens de vereisten.
• Python biedt een rijke bibliotheek van nuttige pakketten voor het testen na het installeren van’Pip’.
• Stateless functies en eenvoudige syntaxis zijn nuttig om leesbare tests te maken.
• Python speelt de rol van de brug tussen de TestCASE en de testcode.
• Python ondersteunt dynamische duck-Typen.
• biedt goed geconfigureerde IDE en goede ondersteuning voor het BDD framework.
• Rich command line ondersteuning is handig om een handmatige controle uit te voeren.
• eenvoudige en goede structuur, modulariteit, rijke toolset en pakketten kunnen nuttig zijn voor schaalontwikkeling.

Q # 2) Hoe een Python-test te structureren?

antwoord: Tegen de tijd dat u een test in Python maakt, moet u twee dingen overwegen zoals hieronder vermeld.

• welke module / deel van het systeem wilt u testen?
• voor welk type test kiest u (unit testing of integration testing)?

de algemene structuur van de Python – Test is net zo eenvoudig als andere waar we de componenten van tests bepalen, zoals-ingangen, uit te voeren testcode, uitvoer en vergelijking van uitvoer met verwachte resultaten.

Q #3) Welk automatiseringsprogramma is geschreven in Python?

antwoord: Buildout is een automatiseringsprogramma dat is geschreven en uitgebreid met Python en wordt gebruikt voor het automatiseren van softwareassemblage. Buildout kan van toepassing zijn op alle software fasen vanaf de ontwikkeling tot de implementatie.

Deze tool is gebaseerd op 3 kernprincipes:

• herhaalbaarheid: het stelt dat projectconfiguratie die in dezelfde omgeving is ontwikkeld, hetzelfde resultaat moet opleveren, ongeacht hun geschiedenis.
• Componentization: de softwaredienst moet zelfbewakingshulpmiddelen bevatten en moet het bewakingssysteem configureren terwijl het product wordt geïmplementeerd.
• automatisering: de implementatie van Software moet in hoge mate geautomatiseerd en tijdbesparend zijn.

Q # 4) kan Python worden gebruikt met Selenium?

antwoord: Ja. Python taal wordt gebruikt met Selenium om testen uit te voeren. Python API is handig om verbinding te maken met de browser via Selenium. Python Selenium combinatie kan worden gebruikt om functionele/acceptatie testen te schrijven met behulp van Selenium WebDriver.

Q #5) is Selenium met Python goed?

antwoord: er zijn verschillende redenen waarom Selenium en Python als een goede combinatie worden beschouwd:

• Selenium heeft de sterkste toolset om snelle testautomatisering te ondersteunen.
• Selenium biedt speciale testfuncties voor het testen van webtoepassingen die helpen om echt toepassingsgedrag te onderzoeken.
• terwijl Python een hogere, object-gebaseerde en gebruiksvriendelijke scripttaal is met een eenvoudige sleutelwoordstructuur.

nu, als het gaat om het gebruik van Selenium met Python heeft het verschillende voordelen zoals hieronder vermeld.

• gemakkelijk te coderen en te lezen.
• Python API is zeer nuttig om u te verbinden met de browser via Selenium.
• Selenium stuurt standaard commando van Python naar verschillende browsers, ongeacht de ontwerpvariaties.
• Python is relatief eenvoudig en compact dan de andere programmeertalen.
• Python wordt geleverd met een grote gemeenschap om degenen te ondersteunen die volledig nieuw zijn om Selenium met Python te gebruiken om automatiseringstests uit te voeren.
• het is de hele tijd een vrije en open programmeertaal.
• Selenium WebDriver is een andere goede reden om Selenium met Python te gebruiken. Selenium WebDriver heeft sterke bindende ondersteuning voor Python ‘ s eenvoudige gebruikersinterface.

Q # 6) Wat zijn de maatregelen om het beste Python-testkader te kiezen?

antwoord: Voor het kiezen van het beste Python test framework, moeten de volgende punten in aanmerking worden genomen:

• als de kwaliteit en structuur van de scripts, voldoet aan uw doelen. Het programmeerscript moet gemakkelijk te begrijpen/onderhouden zijn en vrij van defecten.
• de programmeerstructuur van Python speelt een belangrijke rol bij het kiezen van het testkader dat bestaat uit attributen, statements, functies, operators, modules en standaardbibliotheekbestanden.
• Hoe eenvoudig kunt u testen genereren en in welke mate ze kunnen worden hergebruikt?
• de methode die is gebruikt voor de uitvoering van de testmodule (technieken voor het uitvoeren van de Module).

Q # 7) Hoe kies ik het beste Python test framework?

antwoord: het begrijpen van de voordelen en beperkingen van elk framework is een betere manier om het beste Python Test framework te kiezen. Laten we verkennen –

Robotframework:

voordelen:

• Sleutelwoordgestuurde testbenadering helpt leesbare testcases op een gemakkelijkere manier te maken.
• meerdere API ‘ s
• eenvoudige testgegevens syntaxis
• ondersteunt parallelle testen via Seleniumraster.

Beperkingen:

• het maken van aangepaste HTML-rapporten is heel lastig met Robot.
• minder ondersteuning voor parallelle tests.
• Het vereist Python 2.7.14 en hoger.

Pytest:

voordelen:

• ondersteunt compact test suite.
• de debugger of een expliciet testlog is niet nodig.
• meerdere bestanden
• uitbreidbare plugins
• eenvoudige en eenvoudige testcreatie.
• mogelijk om testcases met minder bugs aan te maken.

Beperkingen:

• Niet Compatibel met andere frameworks.

Unittest:

voordelen:

• geen extra module nodig.
• gemakkelijk te leren voor testers op beginnersniveau.
• eenvoudige en eenvoudige uitvoering van de test.
• sneltestrapport opstellen.

Beperkingen

• snake_case naamgeving van Python en camelCase naamgeving van JUnit veroorzaken een beetje verwarring.
• onduidelijke bedoeling van de testcode.
• vereist een enorme hoeveelheid standaardcode.

Doctest:

voordelen:

• een goede optie voor het uitvoeren van kleine tests.
• testdocumentatie binnen de methode geeft ook aanvullende informatie over hoe de methode werkt.

Beperkingen

• het vergelijkt alleen de afgedrukte uitvoer. Elke variatie in de output zal een testfout veroorzaken.

neus 2:

voordelen:

• neus 2 ondersteunt meer testconfiguratie dan unittest.
• Het bevat een aanzienlijke set actieve plugins.
• verschillende API van unittest die meer informatie geeft over de fout.

Beperkingen:

• Tijdens het installeren van plug-ins van derden moet u het installatieprogramma installeren/het pakket distribueren, omdat Nose2 Python 3 ondersteunt, maar geen plug-ins van derden.

getuigen:

voordelen:

• gemakkelijk te begrijpen en te gebruiken.
• Unit -, integratie – en systeemtests kunnen eenvoudig worden gemaakt.
• beheersbare en herbruikbare testcomponenten.
• het toevoegen van nieuwe functies aan Testifyis eenvoudig.

Beperkingen:

• aanvankelijk werd Testify ontwikkeld om unittest en Nose te vervangen, maar het proces van de transit naar pytest is aan, dus het wordt aanbevolen voor de gebruikers om Testify niet te gebruiken voor enkele aankomende projecten.

gedragen kader:

voordelen:

• eenvoudige uitvoering van alle soorten testgevallen.
• gedetailleerde redenering & denken
• duidelijkheid van QA/Dev-uitvoer.

Beperkingen:

• Het ondersteunt alleen black box testen.

sla kader:

voordelen:

• eenvoudige taal om meerdere testscenario ‘ s te maken.
• nuttig voor gedrag-gedreven testcases voor black-box testen.

Beperkingen:

• Het heeft sterke coördinatie nodig tussen ontwikkelaars, testers & stakeholders.

u kunt het best geschikte Testkader voor Python kiezen door rekening te houden met de bovenstaande voordelen en beperkingen die zullen helpen om de criteria te ontwikkelen die geschikt zijn voor uw zakelijke behoeften.

Q #8) welk raamwerk is het beste voor Python automatisering?

antwoord: Hoewel we rekening houden met de voordelen en beperkingen, kunnen we het Testtype beschouwen als een van de maatregelen voor het kiezen van het beste testkader:

• Functionele Testen: Robot, PyTest, Unittest
• Gedragsgedreven testen: Behave, Lettuce

Robot is het beste raamwerk voor degenen die nieuw zijn in Python testen en een stevige start wensen.

conclusie

Subunit, Trial, Test resources, Sancho, Testtools zijn nog enkele namen toegevoegd in de lijst van Python Testing Framework. Echter, er zijn slechts een paar tools die zijn gepopulariseerd voor zover Python testen is een relatief nieuw concept dat wordt geà ntroduceerd in de testwereld.

bedrijven werken aan het verbeteren van deze tools zodat ze gemakkelijk te begrijpen zijn en testen kunnen uitvoeren. Met de rijke en nauwkeurige klasse armaturen, plugins en pakketten kunnen deze tools worden goed thuis en de voorkeur voor het uitvoeren van Python testen.

ondertussen bieden bovengenoemde kaders van unittest to getuigen veel noodzakelijke ondersteuning en service om de beoogde systeemprestaties te bereiken.