slothtest 0.0.4

sloth test是一个python库，它根据以前的实际情况自动创建单元测试，以防止出现回归错误。

1. 您将把sloth测试库连接到您的项目，并运行该项目以执行典型的例程。
2. sloth收集您在项目中使用的类、方法和函数的内部状态，并指出要监视的sloth。它将记录每次运行每种方法的所有可能收入和结果
3. 在收集足够的数据后，库会将收集的数据转储到文件中
4. 对于此文件中的每个记录运行，sloth test将自动创建一个特定的单元测试，其中包含类的特定状态、特定记录的序列化收入以及此方法的结果断言。 结果是一组典型的pytest单元测试，这些测试可以作为测试例程的一部分执行。
5. 对于这个方法的每一次修改，您都可以运行这些创建的测试用例来检查这个方法是否没有新的bug，并实现它应该具有的业务逻辑。

假设我们有一个关键而复杂的方法，它是etl过程的一部分（pd_表是pandas表）：

def do_useful_stuff(pd_table=None, a=0, b=0):

    for i, row in pd_table.iterrows():
        pd_table['value'][i] = row['value'] * a + b

    return pd_table

让我们展示一些运行示例，作为etl过程的一部分，我们将通过其他方法实现这些示例：

def run():

    tables = {
        'table1': pd.DataFrame([{'column': 1, 'value': 1},
                                {'column': 2, 'value': 2},
                                {'column': 3, 'value': 4}]),

        'table2': pd.DataFrame([{'column': 1, 'value': 1},
                                {'column': 2, 'value': 2},
                                {'column': 3, 'value': 4}]),

        'table3': pd.DataFrame([{'value': 1},
                                {'value': 2},
                                {'value': 4}]),

        'table4': pd.DataFrame([{'value': 1000},
                                {'value': 10}]),
    }

    for t_name, pd_table in tables.items():
        print("Table {name}: \n {table} \n".
              format(name=t_name, table=str(do_useful_stuff(pd_table=pd_table, a=2, b=3))))

if __name__ == '__main__':
    run()

结果是：

Table table1: 
    column  value
0       1      5
1       2      7
2       3     11 

Table table2: 
    column  value
0       1      5
1       2      7
2       3     11 

Table table3: 
    value
0      5
1      7
2     11 

Table table4: 
    value
0   2003
1     23

好的。接下来，我们需要确保这个方法将实现它应该实现的业务逻辑。要做到这一点，我们需要为这种方法手工编写一组pytests，用于不同的收入和结果（对于不同的表变量，可能有100多个测试）。或者使用Sloth测试库自动为我们执行此操作。

1. 安装Sloth测试：

pip install slothtest -U

1. 第一步-我们需要从slothtest库导入一个@watchme（）装饰器。这个decorator应该用在目标方法需要注意的地方。让我们把它添加到函数中：

from slothtest import watchme

@watchme()
def do_useful_stuff(pd_table=None, a=0, b=0):

    for i, row in pd_table.iterrows():
        pd_table['value'][i] = row['value'] * a + b

1. 我们需要一个懒惰的观察者，在哪里开始它的观察过程，在哪里应该停下来观察。它可以是应用程序的入口和出口点，也可以是我们的应用程序内部的逻辑起点和停止轨迹。对于我们的小型应用程序，它是一个run方法，因此我们的代码看起来像：

if __name__ == '__main__':
    slothwatcher.start()
    run()
    slothwatcher.stop()

。仅此而已！

1. 现在，让我们像往常一样运行我们的应用程序，让懒人看我们的进程运行。运行之后，在我们的示例中的一个文件夹中，会出现一个新的zip文件，其中包含一个数字文件名（它是一个时间戳）和一个在这个zip文件中运行的转储文件 zip转储是在sloth停止后创建的，或者它记录了观察到的所有方法的一定数量的运行。我们可以通过slothconfig类设置一定数量的运行

from slothtest import SlothConfig
SlothConfig.DUMP_ITER_COUNT = 200

1. 现在，我们有一个转储文件。现在，为了进一步开发，我们需要得到一个典型的pytest单元测试。我们可以使用sloth转换器从转储文件创建它：

python -m slothtest.sloth_xml_converter -p o:\work\slothexample -d o:\work\slothexample 1549134821.zip

其中-p是一个目录的键，在该目录中，我们将放置一个指向项目的路径，-d是一个目录的键，在该目录中，将创建结果pytest文件 5个。转换的结果是两个文件：

1. 测试_sloth_1549134821.py和2）测试_parval_1549134821.py 第一个是我们关注的函数每次运行的基本pytest集合：

import sloth_test_parval_1549134821 as sl 

def test_do_useful_stuff_1(): 
    from themethod import do_useful_stuff

    try:
        run_result = do_useful_stuff(pd_table=sl.val_do_useful_stuff_1_pd_table, a=sl.val_do_useful_stuff_1_a, b=sl.val_do_useful_stuff_1_b, ) 
    except Exception as e:
        run_result = e

    test_result = sl.res_do_useful_stuff_1_ret_0 
    assert(type(run_result) == type(test_result))
    assert(run_result.equals(test_result))


def test_do_useful_stuff_2(): 
    from themethod import do_useful_stuff

    try:
        run_result = do_useful_stuff(pd_table=sl.val_do_useful_stuff_2_pd_table, a=sl.val_do_useful_stuff_2_a, b=sl.val_do_useful_stuff_2_b, ) 
    except Exception as e:
        run_result = e

    test_result = sl.res_do_useful_stuff_2_ret_0 
    assert(type(run_result) == type(test_result))
    assert(run_result.equals(test_result))
…

第二个是方法每次运行的序列化（如果是原始类型，则为原始值）收入和结果值（4种情况）：

import codecs
import io
import joblib


# ===== 1: do_useful_stuff@themethod

var_stream = io.BytesIO()
var_stream_str = codecs.decode('gANdWIu…'.encode(),"base64")

var_stream.write(var_stream_str)
var_stream.seek(0)
val_do_useful_stuff_1_pd_table = joblib.load(var_stream)

val_do_useful_stuff_1_a = 2

val_do_useful_stuff_1_b = 3

res_stream = io.BytesIO()
res_stream_str = codecs.decode('gANdWIu…\n'.encode(),"base64")
res_stream.write(res_stream_str)
res_stream.seek(0)
res_do_useful_stuff_1_ret_0 = joblib.load(res_stream)
…

1. 现在我们可以像往常一样使用pytest运行测试例程：

python -m pytest test_sloth_1549134821.py

================================================= test session starts =================================================
platform win32 -- Python 3.7.0, pytest-4.1.1, py-1.7.0, pluggy-0.8.1
rootdir: o:\work\slothexample, inifile:
plugins: remotedata-0.3.1, openfiles-0.3.2, doctestplus-0.2.0, arraydiff-0.3
collected 4 items

test_sloth_1549134821.py ....                                                                                    [100%]

======================================== 4 passed, 2 warnings in 0.34 seconds =========================================

仅此而已。容易的！

如果方法和类是可序列化的，并且有足够的空间进行数据转储，则可以根据需要在任意多的情况下推断自动生成单元测试的方法

标签：

• 方法
• value
• table
• 单元测试
• do
• useful
• pd
• stuff
• sloth

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• iofog

  用于eclipseiofog开发的pythonsdk。

• cs46-flora-trees

  这是一个用Python实现的树数据结构，包括二进制搜索树、AVL树和堆。

• pyunit-ner

  百度实体抽取模型

• finder-sidebar-editor

  用于编辑查找工具边栏的收藏夹项的模块。

• strawberry-graphql-django

  草莓GraphQL Django扩展

• R3C

  R3C：机密数据和事物的区块链。

• tpRigToolkit-libs-controlrig

  用于管理钻机控件的库

• ae-sys-data

  python应用程序环境命名空间包的ae_sys_data部分

• finstmt

  用于处理财务报表数据的Python包

• gonha

  Linux轻量级系统监视器

• food-alerts-wrapper

  FSA食品警报API的python包装

• kuser-agent

  假冒用户代理

• reproschema

  重新架构Python库

• jxImgTools

  个人使用的图像实用功能

• modernize-fissix

  一个黑客在2to3之上的混合代码库现代化代码。