Python 的测试驱动开发：新手指南

测试能让您确信代码按预期运行。在本教程中，我们将使用 Python 学习测试驱动开发（TTD）的基础。首先，我们会介绍一些测试驱动开发的背景——它是什么，以及为何在写代码之前先写测试会有帮助。我们将采用“先测试”的方法：先为要实现的功能编写会失败的测试用例，再去编写实际函数。

教程先修要求

学习本教程，您需要具备 Python 的基础知识；如果想先复习，可以查看这门课程：Introduction to Python for Developers。

先测试的方式能帮助我们思考期望的行为和输出。您可以使用多种库在 Python 中进行测试，例如 pytest 和 unnitest。不过，现在我们将专注于使用原生 Python 编写简单测试用例，以验证目标功能是否产生了预期结果。

我们将从一个简单的测试用例开始，并逐步扩展测试用例以覆盖不同情景。随着测试用例的扩展，我们可能会发现最初实现逻辑中的缺陷或空白，需要加以改进。不断编写更进阶的测试、看到它们失败、再回去改进实现的这一迭代过程，正是 Python 测试驱动开发的核心。

在本教程中，我们将使用 DataLab，这是 DataCamp 的云端数据笔记本，让您无需本地安装即可编写并运行 Python 代码。让我们开始吧！

从 DataLab 上手

在开始测试驱动开发之前，我们需要先熟悉 DataLab，并了解如何使用它来助力我们的学习之旅。打开 DataLab，您会注意到有许多选项。现在，我们将专注于在 DataLab 中编写 Python。

如果您选择 Python，工作簿会打开一个代码单元，供您编写 Python，界面大致如下：

这里有一些实用选项。例如，您可以运行该单元以生成输出，添加注释或笔记来辅助学习，并利用 AI 来帮助您起步或排除障碍。您还可以按需添加或删除任意数量的单元。我们将重点关注使用“Run”选项来运行单元。如下方代码所示，当您运行单元时，代码产生的任何输出都会记录在下方。

快速提示：如果您使用了多个单元，并在一个单元中定义了变量，但尝试在另一个单元中访问它，您需要分别运行每个单元，或运行整个工作簿（通过工作簿右上角的“Run”按钮）。

既然已经掌握了 DataLab 的基础，用测试驱动开发来动手实践吧。

测试驱动开发

测试驱动开发的含义是先为代码编写测试，再编写代码本身。为了解释 TTD，我们从一个非常简单的例子开始：编写一个把数字相加的 Python 脚本。不过，在编写函数之前，我们会先写一个测试，检查 1 + 1 是否等于 2。您可以使用原生 Python 完成这件事，如下所示。

assert 1 + 1 == 2技术支持

Python 中的 assert 关键字用于编写测试用例并确认程序条件是否为 True。它可以用于验证代码的行为和输出。当 assert 语句失败时，会抛出 AssertionError，提示代码存在问题。在 DataLab 工作簿中看起来如下：

示例 1：测试一个简单函数

我们先从测试函数开始。首先，在 DataLab 中打开一个 Python 文件。测试驱动开发强调先写会失败的测试。因此，让我们通过调用尚未定义的 add() 函数来编写一个会失败的测试。

assert add(1, 1) == 2
技术支持

这将导致 NameError，表明还没有实现，这被称为“红灯”步骤。当您尝试调用未定义的函数或变量时，会出现 NameError。

现在，是时候来实现这个函数了。我们可以通过定义该函数来完成：

def add(num1, num2):
    return技术支持

我们定义了函数 add，它接收两个参数 num1 和 num2。目前我们的函数尚未返回任何内容。让我们看看当前的实现能否通过测试！

我们不再看到 NameError。然而，运行该单元仍然产生了错误！这次是 AssertionError。也就是说测试仍然失败！为什么会出现这个错误？这是因为我们定义了一个还没有返回任何内容的函数。

运行测试时，我们得到 AssertionError，因为在我们的空实现中，1 + 1 并不等于 2。最后，我们可以通过在函数中正确实现逻辑来使其通过。

您会注意到单元格角落的绿色圆点。这表明当您运行单元时，代码是有效的并已通过。此前，您会看到它是红色的并伴随运行错误，同时在单元格下方显示错误类型。这个功能对在 DataLab 中调试代码非常有用。

您现在已经使用测试驱动开发在 Python 中编写了第一个测试。做得好！接下来我们将继续扩展测试，并考虑捕获那些可能导致函数失败或无法产生预期输出的潜在错误。

示例 2：多个测试用例

只用一个输入值进行测试往往无法暴露潜在错误。缺陷很容易被隐藏，尤其当您的函数依赖于可变的用户输入或外部逻辑时。那么，如何充分地用多个值来测试一个函数呢？

例如，如果传入了错误的数据类型会怎样？您可以使用 Python 的测试框架，但我们先用基础的 Python。首先，我将定义一个由字典组成的列表，以模拟不同的使用场景：

test_cases = [
    {"num1": 1, "num2": 3, "expected": 4},
    {"num1": 1, "num2": "invalid", "expected": "Error: num2 must be a number"}, 
    {"num1": [1,2,3], "num2": 2, "expected": "Error: num1 must be a number"},
    {"num1": -1, "num2": 1, "expected": 0},
    {"num1": 3.5, "num2": 2.5, "expected": 6.0}, 
    {"num1": 100, "num2": 200, "expected": 300}
]
技术支持

以上代码展示了函数的输入及对应的期望输出。不过，我们需要更新测试以遍历这些测试用例。我们可以通过在 for 循环中嵌套 assert 来验证列表中的每个字典。

for test in test_cases:
    assert add(test["num1"], test["num2"]) == test["expected"]技术支持

由于函数尚未改变，您预计这个测试会通过还是失败？可能会出现什么错误？

测试抛出了 TypeError，因为我们还没有处理非数值输入；如果传入的是字符串或布尔值而不是 int，会怎么办？我们可以更新函数来捕获这些情况！通过检查输入变量是否为整数或浮点数，我们可以在类型无效时返回自定义消息。

def add(num1, num2):
    if type(num1) is not int and type(num1) is not float:
        return "Error: num1 must be a number"
    elif type(num2) is not int and type(num2) is not float:
        return "Error: num2 must be a number"
    else:
        return num1 + num2技术支持

当我们重新运行测试时，不再出现错误，测试已经通过。现在绿色圆点表明我们已经实现了一些通过的测试。干得好！

结语

在本教程中，我们使用 DataLab 介绍了 Python 中测试驱动开发的基础。DataLab 提供云端 IDE，让您无需本地安装即可编写并运行 Python 代码。测试用于验证代码行为并及早发现错误。Assert 语句用于检查条件，并在失败时抛出异常。

您可以在 DataLab 中继续探索更多测试用例，并开始编写属于您的测试！如果您想进一步学习 Python 测试，请查看我们的 DataCamp 课程——Introduction to Testing in Python。