Python Eficaz

até aqui o código era sempre testado em condição de isolamento. Essa é a
diferença entre unit tests (testes de unidade) e integration tests (testes de
integração). No Python, é importante escrever ambos os tipos de testes pela
mesmíssima razão: não temos garantia de que os módulos conseguirão trabalhar
juntos a não ser que tenhamos prova disso.
Nota
Dependendo do projeto, também pode ser útil definir testes baseados em
dados (data-driven tests) ou organizar testes em diferentes conjuntos de
funcionalidades relacionadas. Para esse fim, os relatórios de cobertura de
código (code coverage reports) e outras ferramentas avançadas como os
pacotes externos nose (http://nose.readthedocs.org/) e o pytest (http://pytest.org/), ambos
de código aberto, podem ser especialmente úteis.
Lembre-se
• A única maneira de se ter confiança num programa em Python é escrevendo
testes.
• O módulo nativo unittest fornece a maioria dos recursos de que precisamos
para escrever bons testes.
• Podemos definir os testes construindo subclasses de TestCase e definindo um
método por comportamento que gostaríamos de testar. Os métodos de teste
nas classes TestCase devem obrigatoriamente começar com a palavra test.
• É importante escrever tanto testes de unidade (unit tests), para testar
funcionalidades isoladamente, como testes de integração (integration tests),
para testar a interação entre módulos quando existir.
Item 57: Prefira usar depuradores interativos como o
pdb
Quem disser que nunca encontrou um bug em seu próprio código é mentiroso.
Encontrá-los é preciso, e a função print pode ajudar bastante a localizar sua
origem (consulte o Item 55: “Use strings com a função repr para depuração”).
Escrever testes para casos específicos que causam problema é outra grande
maneira de isolar problemas (consulte o Item 56: “Teste absolutamente tudo com
unittest”).
www.full-ebook.com