python單元測試基礎舉例

冒泡排序(Bubble Sort),是一種計算機科學領域的較簡單的排序算法。python

它重複地走訪過要排序的數列,一次比較兩個元素,若是他們的順序錯誤就把他們交換過來。走訪數列的工做是重複地進行直到沒有再須要交換,也就是說該數列已經排序完成。算法

這個算法的名字由來是由於越大的元素會經由交換慢慢「浮」到數列的頂端,故名。數據庫

快速排序(Quicksort)是對冒泡排序的一種改進。app

快速排序由C. A. R. Hoare在1962年提出。它的基本思想是:經過一趟排序將要排序的數據分割成獨立的兩部分,其中一部分的全部數據都比另一部分的全部數據都要小,而後再按此方法對這兩部分數據分別進行快速排序,整個排序過程能夠遞歸進行,以此達到整個數據變成有序序列。ide

(以上概念摘抄自百度百科)單元測試


如今sort.py文件,有一個排序類Sort,包含兩個方法bubble_sort和quick_sort,代碼以下:測試

class Sort():

    @staticmethod
    def bubble_sort(arr):
        arr=list(arr)
        if len(arr)<=1:
            return arr
        for i in range(1,len(arr)):
            for j in range(len(arr)-i):
                if arr[j] > arr[j+1]:
                    arr[j],arr[j+1]=arr[j+1],arr[j]
        return arr
        
    @staticmethod
    def quick_sort(arr):
        arr=list(arr)
        if len(arr)<=1:
            return arr
        arr_l = []
        arr_r = []
        arr_m = []
        key = arr[0]
        for i in arr:
            if i<key:
                arr_l.append(i)
            elif i>key:
                arr_r.append(i)
            else:
                arr_m.append(i)
        arr_l = Sort.quick_sort(arr_l)
        arr_r = Sort.quick_sort(arr_r)
        return arr_l + arr_m + arr_r

對sort.py進行單元測試,test_sort.py文件代碼以下:
ui

import unittest
from sort import Sort

class TestSort(unittest.TestCase):

    def test_bubble_sort_1(self):
        arr=[]
        self.assertEquals([],Sort.bubble_sort(arr))
        
    def test_bubble_sort_2(self):
        arr=[7]
        self.assertEquals([7],Sort.bubble_sort(arr))
        
    def test_bubble_sort_3(self):
        arr=[15,12,36,22,1,7,18]
        self.assertEquals(sorted(arr),Sort.bubble_sort(arr))
        
    def test_bubble_sort_4(self):
        arr=(15,12,36,22,1,7,18)
        self.assertEquals(sorted(arr),Sort.bubble_sort(arr))
        
    def test_quick_sort_1(self):
        arr=[]
        self.assertEquals([],Sort.quick_sort(arr))
        
    def test_quick_sort_2(self):
        arr=[7]
        self.assertEquals([7],Sort.quick_sort(arr))
        
    def test_quick_sort_3(self):
        arr=[15,12,36,22,1,7,18]
        self.assertEquals(sorted(arr),Sort.quick_sort(arr))
        
    def test_quick_sort_4(self):
        arr=(15,12,36,22,1,7,18)
        self.assertEquals(sorted(arr),Sort.quick_sort(arr))

選擇你喜歡的編譯器,如:pycharm,直接右鍵選中相應case便可運行,也能夠在空白處右鍵,即運行所有case。this


若是想要自定義跑哪些case或者同時執行多個文件中的case,能夠再寫一個run.py文件,將所要執行的測試類引入,可引入多個,代碼以下:排序

import unittest
from test_sort import TestSort
if __name__=='__main__':
    suite=unittest.TestSuite()
    #suite.addTest(TestSort('test_quick_sort_1')) #此時只運行est_quick_sort_1這條case
    #suite.addTest(unittest.TestLoader().loadTestsFromTestCase(TestSort)) #這句等價於下面那句
    suite.addTest(unittest.makeSuite(TestSort)) #執行TestSort類中的全部case
    runner=unittest.TextTestRunner(verbosity=2) #等於2打印詳細的執行信息
    runner.run(suite)


在進行數據準備和數據清理時可使用setUp和tearDown(每條case執行先後時執行),setUpClass和tearDownClass(每一個類執行先後時執行)。好比寫一個數據庫增刪改查的類,每一個case都須要用到數據庫鏈接,此時能夠在case開始跑以前在setUpClass中創建一個鏈接,在tearDownClass中寫數據庫關閉;又如case執行時可能依賴一些數據可是數據庫中沒有,此時能夠在setUp中寫一些插入數據的準備,在執行後在tearDown中作數據清理,以避免影響其餘數據。

用法舉例,將test_sort.py改爲以下代碼示例:

import unittest
from sort import Sort
class TestSort(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        print 'this is setupclass'
    def setUp(self):
        print 'this is setup'
        
    def test_bubble_sort_1(self):
        arr=[]
        self.assertEquals([],Sort.bubble_sort(arr))
        
    def test_quick_sort_4(self):
        arr=(15,12,36,22,1,7,18)
        self.assertEquals(sorted(arr),Sort.quick_sort(arr))
    def tearDown(self):
        print 'this is teardown'
        
    @classmethod
    def tearDownClass(cls):
        print 'this is teardownclass'

執行run.py效果以下:

>>> 

this is setupclass

test_bubble_sort_1 (test_sort.TestSort) ... this is setup

this is teardown

ok

test_quick_sort_4 (test_sort.TestSort) ... this is setup

this is teardown

ok

this is teardownclass


----------------------------------------------------------------------

Ran 2 tests in 0.043s


OK

>>> 

相關文章
相關標籤/搜索