python测试

A. 学python的怎么都转测试了

1.python的方向比较多，web,爬虫，数据分析，数据挖掘，测试，运维，人工智能；
2.我们不是去转测试，测试本来就是我们python的一个方向，只不过就业的是测试的这个方向；我是之前在黑马程序员学的，我们班也有选择做测试的，因为相对工作轻松一些。

B. python的测试题

import random

import time

import pandas as pd

def listCreator(n):

raw_list = [random.randint(0, 99) for _ in range(n)]

return raw_list

def select_sort(raw_list):

length = len(raw_list)

for index in range(length):

for i in range(index, length):

if raw_list[index] > raw_list[i]:

raw_list[index], raw_list[i] = raw_list[i], raw_list[index]

return raw_list

def sortTimer():

size_list = [100, 1000, 10000]

timer_times = []

for _ in range(1, 11):

print("{} times".format(_))

timer_list = []

for i in size_list:

raw_list = listCreator(i)

start_time = time.clock()

select_sort(raw_list)

timer = time.clock() - start_time

timer_list.append(round(timer, 8))

timer_times.append(timer_list)

df = pd.DataFrame(timer_times, columns=size_list)

return df

def saveResults(df):

df.to_csv("./sortingTimes.txt", sep=' ', index=None, columns=None)

if __name__ == '__main__':

timer_times = sortTimer()

saveResults(timer_times)

C. 用python单元测试怎么测一段代码

单元测试是用来对一个模块、一个函数或者一个类来进行正确性检验的测试工作。

比如对函数abs()，我们可以编写出以下几个测试用例：

输入正数，比如1、1.2、0.99，期待返回值与输入相同；
输入负数，比如-1、-1.2、-0.99，期待返回值与输入相反；
输入0，期待返回0；
输入非数值类型，比如None、[]、{}，期待抛出TypeError。

把上面的测试用例放到一个测试模块里，就是一个完整的单元测试。

如果单元测试通过，说明我们测试的这个函数能够正常工作。如果单元测试不通过，要么函数有bug，要么测试条件输入不正确，总之，需要修复使单元测试能够通过。

单元测试通过后有什么意义呢？如果我们对abs()函数代码做了修改，只需要再跑一遍单元测试，如果通过，说明我们的修改不会对abs()函数原有的行为造成影响，如果测试不通过，说明我们的修改与原有行为不一致，要么修改代码，要么修改测试。

这种以测试为驱动的开发模式最大的好处就是确保一个程序模块的行为符合我们设计的测试用例。在将来修改的时候，可以极大程度地保证该模块行为仍然是正确的。

我们来编写一个Dict类，这个类的行为和dict一致，但是可以通过属性来访问，用起来就像下面这样：

>>> d = Dict(a=1, b=2)
>>> d['a']
1
>>> d.a
1

mydict.py代码如下：

class Dict(dict):

def __init__(self, **kw):
super(Dict, self).__init__(**kw)

def __getattr__(self, key):
try:
return self[key]
except KeyError:
raise AttributeError(r"'Dict' object has no attribute '%s'" % key)

def __setattr__(self, key, value):
self[key] = value

为了编写单元测试，我们需要引入Python自带的unittest模块，编写mydict_test.py如下：

import unittest

from mydict import Dict

class TestDict(unittest.TestCase):

def test_init(self):
d = Dict(a=1, b='test')
self.assertEquals(d.a, 1)
self.assertEquals(d.b, 'test')
self.assertTrue(isinstance(d, dict))

def test_key(self):
d = Dict()
d['key'] = 'value'
self.assertEquals(d.key, 'value')

def test_attr(self):
d = Dict()
d.key = 'value'
self.assertTrue('key' in d)
self.assertEquals(d['key'], 'value')

def test_keyerror(self):
d = Dict()
with self.assertRaises(KeyError):
value = d['empty']

def test_attrerror(self):
d = Dict()
with self.assertRaises(AttributeError):
value = d.empty

编写单元测试时，我们需要编写一个测试类，从unittest.TestCase继承。

以test开头的方法就是测试方法，不以test开头的方法不被认为是测试方法，测试的时候不会被执行。

对每一类测试都需要编写一个test_xxx()方法。由于unittest.TestCase提供了很多内置的条件判断，我们只需要调用这些方法就可以断言输出是否是我们所期望的。最常用的断言就是assertEquals()：

self.assertEquals(abs(-1), 1) # 断言函数返回的结果与1相等

另一种重要的断言就是期待抛出指定类型的Error，比如通过d['empty']访问不存在的key时，断言会抛出KeyError：

with self.assertRaises(KeyError):
value = d['empty']

而通过d.empty访问不存在的key时，我们期待抛出AttributeError：

with self.assertRaises(AttributeError):
value = d.empty

运行单元测试

一旦编写好单元测试，我们就可以运行单元测试。最简单的运行方式是在mydict_test.py的最后加上两行代码：

if __name__ == '__main__':
unittest.main()

这样就可以把mydict_test.py当做正常的python脚本运行：

$ python mydict_test.py

另一种更常见的方法是在命令行通过参数-m unittest直接运行单元测试：

$ python -m unittest mydict_test
.....
----------------------------------------------------------------------
Ran 5 tests in 0.000s

OK

这是推荐的做法，因为这样可以一次批量运行很多单元测试，并且，有很多工具可以自动来运行这些单元测试。
setUp与tearDown

可以在单元测试中编写两个特殊的setUp()和tearDown()方法。这两个方法会分别在每调用一个测试方法的前后分别被执行。

setUp()和tearDown()方法有什么用呢？设想你的测试需要启动一个数据库，这时，就可以在setUp()方法中连接数据库，在tearDown()方法中关闭数据库，这样，不必在每个测试方法中重复相同的代码：

class TestDict(unittest.TestCase):

def setUp(self):
print 'setUp...'

def tearDown(self):
print 'tearDown...'

可以再次运行测试看看每个测试方法调用前后是否会打印出setUp...和tearDown...。

D. 用python可以做什么测试

1.将日常工作最常用的一些命令或者工具脚本化，比如用Python脚本完成更新代码，打包功能
2.使用Python创建一个声称测试数据的脚本，开发每次都要找你帮忙创建一堆测试数据，你能忍受每次都要鼠标点击那么多次来填写n多表单么，为啥不搞个脚本
3.做一些自动化测试的工作
4.用Python创建一些简单网站，把开发，测试，产品经常烦扰你的工作都放到网页上，让他们自己傻瓜操作多好。
5.用来维护测试服务器
6.CI（持续集成）往往也需要一个脚本来配合工作
7.创建一些监控程序，监控测试环境和线上的接口

E. 如何使用python 语言来实现测试开发

对于各种驱动接口，Python来编写测试用例的好处是：由于Python不需要编译，你所执行的也就是你所编写的，当发生异常的时候，你无须打开集成开发环境，加载测试工程、并调试，你能够很方便的看到python测试脚本的内容，什么地方出了异常可以立刻发现，例如：
from ctypes import *
rc =c_int(-12345);
dll = windll.LoadLibrary("dmodbc.dll");#加载被测试组件
#=================#
SQLHANDLE_env = pointer(c_long(0));
SQLHANDLE_cnn = pointer(c_long(0));
SQLHANDLE_stmt = pointer(c_long(0));
pdns = c_char_p("FASTDB");
puid = c_char_p("SYSDBA");
ppwd = c_char_p("SYSDBA");
#env handle
rc = dll.SQLAllocHandle(1,None,byref(SQLHANDLE_env));
print "result of henv handle alloc :%d" %rc;
#cnn handle
rc = dll.SQLAllocHandle(2,SQLHANDLE_env,byref(SQLHANDLE_cnn));
print "result of cnn handle alloc :%d" %rc;
#connect!
rc = dll.SQLConnect(SQLHANDLE_cnn,pdns,-3,puid,-3,ppwd,-3)
print "result of connect :%d" %rc;
#stmt handle
rc = dll.SQLAllocHandle(3,SQLHANDLE_cnn,byref(SQLHANDLE_stmt));
print "result of stmt handle alloc:%d" %rc;
#exec
rc = dll.SQLExecDirect(SQLHANDLE_stmt,"insert into t values(1)",-3);
print "result of exec:%d" %rc;
#free========================
rc = dll.SQLFreeHandle(3, SQLHANDLE_stmt);
print rc;
rc = dll.SQLDisconnect(SQLHANDLE_cnn);
print rc;
rc = dll.SQLFreeHandle(2, SQLHANDLE_cnn);
print rc;
rc = dll.SQLFreeHandle(1, SQLHANDLE_env);
print rc;
在上面我们可以看到，Python调用c/c++接口是十分容易的，只需要把动态库加载进来，然后把这个动态库当作一个对象实例来使用就可以了。下面将是一个使用ado.net接口的例子：
import System;
from Dm import *#Dm是DMDBMS提供的ado.Net的DataProvider
#print dir(Dm.DmCommand);
i =0;
cnn = Dm.DmConnection("server = 127.0.0.1; User ID = SYSDBA; PWD = SYSDBA; Database = SYSTEM; port = 12345");
cmd = Dm.DmCommand();
cmd.Connection = cnn;
cmd.CommandText = "insert into t values(1);";
cnn.Open();
i=cmd.ExecuteNonQuery();
print i;
cmd.Dispose();
cnn.Close();
可以看到，.net对象的使用与在VisualStdio上进行开发几乎没有任何区别。
通过使用Python进行测试用例的开发，最大的好处莫过于：学习成本非常低，测试工程师只需要学习Python，对于其他语言稍有了解就可以了。同时只需要少量的测试开发工程师对Python测试框架进行维护。
这样的好处就是便于测试人员将精力专精在一个方向，免于“什么都会一点，但什么都不精”的情况。当然测试人员具备广阔的知识面，会使用各种常见的开发工具与平台是好事情，并且也是必要的，不过在短时间内要求迅速能够胜任大多数任务也是企业在人才培养上的期望目标。

F. 如何测试Python问题，怎么解决

• 中文路径的问题：在D盘下保存一个名字为‘中文.txt‘的文件。运行如下测试代码：# -*- coding: utf-8 -*-f=open('D:\中文.txt', 'r')print f.read()，运行后可以正确打印中文。

• print打印中文的问题：在D盘下保存一个名字为‘中文.txt‘的文件。运行如下测试代码：# -*- coding: utf-8 -*-f=open('D:\中文.txt', 'r')print f.read()字符串有很多的编码，不同的系统和平台有各自的编码 ，为了实现系统或平台之间的信息交互可能需要编码转换。这里只需要先使用UNICODE编码一下，这样再读取中文路径就不会有问题了。

G. Python怎样做性能测试

利用profile分析相关的独立模块,python内置了丰富的性能分析工具，profile，cProfile与hotshot等。其中Profiler是python自带的一组程序，能够描述程序运行时候的性能，并提供各种统计帮助用户定位程序的性能瓶颈。Python标准模块提供三profilers:cProfile，profile以及hotshot。profile是python的标准库。可以统计程序里每一个函数的运行时间，并且提供了多样化的报表。使用profile来分析一个程序很简单，profile可以直接用python解释器调用profile模块来剖分py程序，如在命令行界面输入如下命令：

H. 如何使用python编写测试脚本

1)doctest
使用doctest是一种类似于命令行尝试的方式，用法很简单，如下

复制代码代码如下:

def f(n):
"""
>>> f(1)
1
>>> f(2)
2
"""
print(n)

if __name__ == '__main__':
import doctest
doctest.testmod()

应该来说是足够简单了，另外还有一种方式doctest.testfile(filename)，就是把命令行的方式放在文件里进行测试。

2)unittest
unittest历史悠久，最早可以追溯到上世纪七八十年代了，C++，Java里也都有类似的实现，Python里的实现很简单。
unittest在python里主要的实现方式是TestCase,TestSuite。用法还是例子起步。

复制代码代码如下:

from widget import Widget
import unittest
# 执行测试的类
class WidgetTestCase(unittest.TestCase):
def setUp(self):
self.widget = Widget()
def tearDown(self):
self.widget.dispose()
self.widget = None
def testSize(self):
self.assertEqual(self.widget.getSize(), (40, 40))
def testResize(self):
self.widget.resize(100, 100)
self.assertEqual(self.widget.getSize(), (100, 100))
# 测试
if __name__ == "__main__":
# 构造测试集
suite = unittest.TestSuite()
suite.addTest(WidgetTestCase("testSize"))
suite.addTest(WidgetTestCase("testResize"))

# 执行测试
runner = unittest.TextTestRunner()
runner.run(suite)

简单的说，1>构造TestCase(测试用例)，其中的setup和teardown负责预处理和善后工作。2>构造测试集，添加用例3>执行测试需要说明的是测试方法，在Python中有N多测试函数，主要的有：
TestCase.assert_(expr[, msg])
TestCase.failUnless(expr[, msg])
TestCase.assertTrue(expr[, msg])
TestCase.assertEqual(first, second[, msg])
TestCase.failUnlessEqual(first, second[, msg])
TestCase.assertNotEqual(first, second[, msg])
TestCase.failIfEqual(first, second[, msg])
TestCase.assertAlmostEqual(first, second[, places[, msg]])
TestCase.failUnlessAlmostEqual(first, second[, places[, msg]])
TestCase.assertNotAlmostEqual(first, second[, places[, msg]])
TestCase.failIfAlmostEqual(first, second[, places[, msg]])
TestCase.assertRaises(exception, callable, ...)
TestCase.failUnlessRaises(exception, callable, ...)
TestCase.failIf(expr[, msg])
TestCase.assertFalse(expr[, msg])
TestCase.fail([msg])

I. 如何用python做自动化测试

当然可以

1、编写Python版本的minicom，这个是自动化测试日志记录的需要
用于控制串口输出的字符颜色，高亮显示出错信息，方便开发者在线调试问题
2、控制程控电源、程控开关，这些可以自动化测试的硬件基础
3、写整套测试框架，控制整个测试交互流程，Case管理等等
Python运行起来效率没那么高，但是对于编写来说是非常高效的。

J. python测试函数有哪些

测试函数是用于自动化测试，使用python模块中的unittest中的工具来测试
附上书中摘抄来的代码：
#coding=utf-8import unittestfrom name_function import get_formatted_nameclass NamesTestCase(unittest.TestCase): def test_first_last_name(self): formatted_name=get_formatted_name('janis','joplin') self.assertEqual(formatted_name,'Janis Joplin') def test_first_last_middle_name(self): formatted_name=get_formatted_name('wolfgang','mozart','amadeus') self.assertEqual(formatted_name,'Wolfgang Amadeus Mozart')#注意下面这行代码，不写会报错哦~~~书中没有这行if __name__=="__main__": unittest.main()