以前我是不写任何测试的，后来偶尔写单元测试，现在我主动写单元测试 ----- 不得 不承认，测试是有其存在必要性的，要说为什么的话，大概又会引发语言的强弱类型和 是否静态语言之争了吧。
就目前而言，个人认为写单元测试的好处有以下几点：
当修改了代码之后，单元测试可以保证API不会发生变化（假设原需求就不需API发生 变化）。这点可能一般情况下没什么感觉，但是当你去修改前辈留下的代码的时候， 你就会感谢他写了单元测试，最少让你知道了从功能上，这个函数是干什么的，而且 能保证你修改了函数内部实现，但是不影响函数功能。
写单元测试的时候会回想函数的作用，从而自动对函数进行回想和 review。
缺点嘛：耗费时间。单元测试和文档一样，属于非常重要，但是非常耗费时间的工作， 因为要考虑齐全，考虑到的边界条件越多，测试覆盖率越高，程序越可靠，而想这些东 西是很耗费时间精力的。
吐槽完毕，我们来说说目前我知道的几个和测试有关的东西(全程 Python 3)。
Mock
Mock是个好东西呀，遇到测试中出现的不可预知的或者不稳定因素，就用 Mock 来代 替。例如查询数据库（当然像目前我们用的MongoDB，由于特别灵活，可以直接在代码里 把相应的collection替换掉），例如异步任务等。举个例子：
# @param Python和单元测试那些事儿
# @author 编程之家 jb51.cc|512Pic.com
import logging
from unittest.mock import Mock
logging.basicConfig(level=logging.DEBUG)
# code
class ASpecificException(Exception):
pass
def foo():
pass
def bar():
try:
logging.info("enter function <foo> now")
foo()
except ASpecificException:
logging.exception("we caught a specific exception")
# unittest
def test_foo():
foo = Mock(side_effect=ASpecificException()) # noqa
logging.info("enter function <bar> now")
bar()
logging.info("everything just be fine")
if __name__ == "__main__":
test_foo()
# End www.jb51.cc
运行一下：
root@arch tests: python test_demo.py
INFO:root:enter function <bar> now
INFO:root:enter function <foo> now
INFO:root:everything just be fine
# End www.jb51.cc
一个简单的测试就这么写好了。来，跟我念，Mock 大法好呀！
doctest
doctest属于比较简单的测试，写在 docstring 里，这样既能测试用，又能当文档 示例，是在是好用之极啊。缺点是，如果测试太复杂，doctest就显得太臃肿了（例如 如果测试之前要导入一堆东西）。举个例子：
# @param Python和单元测试那些事儿
# @author 编程之家 jb51.cc|512Pic.com
import logging
logging.basicConfig(level=logging.DEBUG)
def foo():
"""A utility function that returns True
>>> foo()
True
"""
return True
if __name__ == "__main__":
import doctest
logging.debug("start of test...")
doctest.testmod()
logging.debug("end of test...")
# End www.jb51.cc
测试结果：
root@arch tests: python test_demo.py
DEBUG:root:start of test...
DEBUG:root:end of test...
# End www.jb51.cc
unittest
这个文档确实有点长，我感觉还是仔细去读一下文档比较好（虽然我也没读完）。
# @param Python和单元测试那些事儿
# @author 编程之家 jb51.cc|512Pic.com
import unittest
class TestStringMethods(unittest.TestCase):
def setUp(self):
self.alist = []
def tearDown(self):
print(self.alist)
def test_list(self):
for i in range(5):
self.alist.append(i)
if __name__ == '__main__':
unittest.main()
# End www.jb51.cc
root@arch tests: python test_demo.py
[0,1,2,3,4]
.
----------------------------------------------------------------------
Ran 1 test in 0.001s
OK
unittest框架配合上Mock，单元测试基本无忧啦。
pytest
上面的单元测试跑起来比较麻烦，当然也可以写一个脚本遍历所有的单元测试文件，然 后执行。不过 pytest 对unittest有比较好的支持。
pytest默认支持的是 函数 风格的测试，但是我们可以不用这一块嘛（而且很多时候 还是很有用的）。走进项目根目录，输入 pytest 就可以啦。它会自动发现 test_ 开头的文件，然后执行其中 test_ 开头的函数和 unittest 的 test_ 开头的 方法。
root@arch tests: pytest
========================================================= test session starts =========================================================
platform linux -- Python 3.5.2,pytest-3.0.5,py-1.4.31,pluggy-0.4.0
rootdir: /root/tests,inifile:
collected 1 items
test_afunc.py .
====================================================== 1 passed in 0.03 seconds =======================================================
root@arch tests:
# End www.jb51.cc
总结
编译器没给python做检查，就只有靠我们手写测试了 :(
另外其实 pytest 和 unittest 都有很多强大的特性，例如 fixture（不知道 咋翻译好），例如 skip 掉某一部分测试。当然我也是知之甚少，所以还是看文档吧。