Введение — Python: Автоматическое тестирование

Код профессиональных разработчиков содержит меньше ошибок, чем код начинающих. Это происходит не потому, что они умнее, внимательнее к деталям или видят код насквозь. Настоящая причина кроется в том, что они пишут тесты.

Автоматизированное тестирование — неотъемлемая часть процесса программирования в профессиональной среде. Тесты — единственный надежный способ убедиться в работоспособности кода. Они не избавляют от багов, но позволяют держать их количество на приемлемом уровне. Тесты дают уверенность, что изменения в одной части системы не сломали другие части.

Но тесты нужны не только для проверки работоспособности кода. Существуют и другие виды автоматизированных тестов: например, тесты производительности или тесты на уязвимости.

В первую очередь программисты отвечают за функциональные тесты. Эти тесты проверяют, что код выполняет свою прямую задачу с точки зрения пользователей программы, например:

• Программист написал код, который отвечает за регистрацию пользователя.
• Далее он проводит функциональный тест, который показывает, получается ли у пользователя зарегистрироваться.

По степени изолированности тестируемых частей кода функциональные тесты принято делить на три типа:

• Модульные — простые, но не очень эффективные тесты. Они проверяют работоспособность функций или других конкретных модулей программы
• Интеграционные — такие тесты охватывают большую часть системы и проверяют, работают ли модули вместе. Таким тестам программисты уделяют основное внимание. Интеграционные тесты все еще достаточно просто писать, если экосистема проекта подготовлена к этому
• Системные — самые эффективные тесты, но при этом их сложно писать и поддерживать. Они эмулируют поведение пользователя: кликают на ссылки, отправляют формы. Такие тесты часто ломаются, потому что они опираются на верстку сайта, а она может непредсказуемо поменяться. Еще при таком тестировании невозможно точно определить, когда с точки зрения программы закончилось одно действие и началось другое

Несмотря на различия, в основе всех автоматических тестов лежат одни и те же принципы, часто используются одни и те же инструменты. Этот курс знакомит с общими принципами тестирования и шаг за шагом проводит через все возникающие во время тестирования задачи. На курсе мы затронем такие основные темы:

• Утверждения (Asserts)
• Фреймворки для тестирования (Pytest)
• Модульное тестирование (Unit)
• Покрытие кода тестами
• Разработка через тестирование (TDD)

Как мы тестируем тесты в данном курсе

В упражнениях этого курса система проверяет работу тестов на разных реализациях тестируемой функции, включая правильную и ошибочные. Ваша задача - написать тесты, которые успешно проходят для корректной реализации и падают с ошибкой для некорректных.

Алгоритм решения практик в этом курсе:

1. Изучить задание, ожидаемую логику работы функции
2. Определить, как протестировать предоставленные реализации
3. Дополнить тесты, чтобы они:
   • обнаруживали ошибки, допущенные в неправильных реализациях
   • успешно проходили для корректной реализации

Запущенные тесты сообщают о результате проверки:

• Успешно:

  • "Expected tests to fail, received tests failed" - тесты обнаружили ошибку в некорректной реализации
  • "Expected tests to pass, received tests passed" - тесты успешно прошли для корректной реализации

• Ошибка:

  • "Expected tests to pass, but error occurred. See output above." - тесты "упали" на корректной реализации
  • "Expected tests to fail, but they passed. See output above." - тесты прошли на ошибочной реализации

Технически проверка упражнений в данном курсе реализована с помощью утилиты Supressor, которая запускает тесты с разными реализациями. Более детальную информацию о том, как мы тестируем тесты в данном курсе, вы можете почитать в этой статье.

Дополнительные материалы

1. Как мы тестируем тесты (О проверке тестов в упражнениях этого курса)

---

Остались вопросы? Задайте их в разделе «Обсуждение»

Вам ответят команда поддержки Хекслета или другие студенты