测试、调试与日志

会测试和调试，才算真正能写项目。

测试的价值

  • 防止改代码时破坏旧功能。
  • 迫使你写更清晰的函数。
  • 给未来的自己留下可运行文档。
  • 让重构更有底气。

pytest 基础

1
2
3
4
5
def add(a, b):
    return a + b

def test_add():
    assert add(1, 2) == 3

运行：

1
pytest

测试命名

常见结构：

1
2
3
4
5
project/
  src/
    app/
  tests/
    test_app.py

pytest 默认发现：

  • test_*.py
  • *_test.py
  • test_* 函数

fixture

1
2
3
4
5
6
7
8
import pytest

@pytest.fixture
def sample_user():
    return {"name": "Ada", "age": 18}

def test_user_name(sample_user):
    assert sample_user["name"] == "Ada"

适合复用测试准备工作。

mock

当代码依赖网络、时间、文件系统或数据库时，可以使用 mock。

1
2
3
4
5
from unittest.mock import Mock

sender = Mock()
sender.send("hello")
sender.send.assert_called_once_with("hello")

调试方式

最直接：

1
print(value)

更强：

1
breakpoint()

进入调试器后常用命令：

  • n：下一行。
  • s：进入函数。
  • c：继续运行。
  • p name：打印变量。
  • q：退出。

日志

1
2
3
4
5
6
7
import logging

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

logger.info("started")
logger.warning("something looks odd")

日志级别：

  • DEBUG
  • INFO
  • WARNING
  • ERROR
  • CRITICAL

异常日志

1
2
3
4
try:
    risky()
except Exception:
    logger.exception("risky failed")

logger.exception 会记录堆栈，适合在异常处理里使用。

常见坑

  • 测试只覆盖正常路径，不覆盖异常路径。
  • 测试依赖真实网络，导致不稳定。
  • 到处 print，项目变大后难以控制输出。
  • 捕获异常后没有日志。

练习

  • 给计算器函数写测试。
  • 给文件读取函数写成功和失败测试。
  • 用 breakpoint() 调试一个循环。
  • 把脚本里的 print 改成 logging。