PYTHON UNIT TESTING
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Sử dụng patch() trong unittest của Python

Trong các bài kiểm thử tự động hóa, việc kiểm tra các thành phần trong mã nguồn một cách độc lập và không bị ảnh hưởng bởi các yếu tố ngoại vi là vô cùng quan trọng. Python cung cấp công cụ patch() trong mô-đun unittest.mock, giúp chúng ta thay thế tạm thời các hàm, phương thức, hoặc lớp bằng các đối tượng mock. Việc sử dụng patch() không chỉ giúp tăng tốc độ kiểm thử mà còn đảm bảo tính chính xác của kết quả bằng cách loại bỏ các yếu tố ngoại vi và biến động không mong muốn. Trong bài viết này, bạn sẽ học cách sử dụng patch() trong unittest của Python để thay thế tạm thời một mục tiêu bằng một đối tượng mock, từ đó giúp các bài kiểm thử của bạn trở nên mạnh mẽ và đáng tin cậy hơn.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Giới thiệu về patch trong Python

Ph C6 B0 C6 A1ng 20th E1 BB A9c 20assert   20trong 20Python 20 2  png

Mô-đun unittest.mock có một hàm patch() cho phép bạn thay thế tạm thời một mục tiêu bằng một đối tượng mock. Mục tiêu có thể là một hàm, phương thức, hoặc lớp. Cú pháp của mục tiêu là một chuỗi theo định dạng sau:

'package.module.className'

Các bước quan trọng khi sử dụng patch()

Xác định mục tiêu

Để xác định một mục tiêu:

Bài viết này được đăng tại [free tuts .net]

  • Mục tiêu phải có thể import được.
  • Thay thế mục tiêu tại nơi nó được sử dụng, không phải nơi nó được định nghĩa.

Gọi patch()

Python cung cấp ba cách để gọi patch():

  • Sử dụng như một decorator cho hàm hoặc lớp.
  • Sử dụng như một context manager.
  • Khởi động và dừng thủ công.

Ví dụ về patch() trong Python

Giả sử bạn có một mô-đun total.py như sau:

def read(filename):
    """Đọc một tệp văn bản và trả về danh sách các số"""
    with open(filename) as f:
        lines = f.readlines()
        return [float(line.strip()) for line in lines]

def calculate_total(filename):
    """Trả về tổng số trong tệp văn bản"""
    numbers = read(filename)
    return sum(numbers)

Sử dụng patch() như một decorator

import unittest
from unittest.mock import patch
import total

class TestTotal(unittest.TestCase):
    @patch('total.read')
    def test_calculate_total(self, mock_read):
        mock_read.return_value = [1, 2, 3]
        result = total.calculate_total('')
        self.assertEqual(result, 6)

Sử dụng patch() như một context manager

import unittest
from unittest.mock import patch
import total

class TestTotal(unittest.TestCase):
    def test_calculate_total(self):
        with patch('total.read') as mock_read:
            mock_read.return_value = [1, 2, 3]
            result = total.calculate_total('')
            self.assertEqual(result, 6)

Sử dụng patch() thủ công

import unittest
from unittest.mock import patch
import total

class TestTotal(unittest.TestCase):
    def test_calculate_total(self):
        # bắt đầu patch
        patcher = patch('total.read')

        # tạo một đối tượng mock
        mock_read = patcher.start()

        # gán giá trị trả về
        mock_read.return_value = [1, 2, 3]

        # kiểm tra calculate_total
        result = total.calculate_total('')
        self.assertEqual(result, 6)

        # dừng patch
        patcher.stop()

Kết bài

Việc sử dụng patch() từ mô-đun unittest.mock trong Python là một kỹ thuật mạnh mẽ và linh hoạt để thay thế tạm thời các mục tiêu bằng các đối tượng mock. Bằng cách sử dụng patch() như một decorator, một context manager, hoặc gọi thủ công với các phương thức start()stop(), bạn có thể đảm bảo rằng các bài kiểm thử của mình được thực hiện trong môi trường kiểm soát và dự đoán được. Điều này không chỉ giúp tăng tốc độ kiểm thử mà còn đảm bảo rằng các kết quả kiểm thử phản ánh chính xác hành vi của mã nguồn, loại bỏ các yếu tố ngoại vi không mong muốn. Qua bài viết này, bạn đã nắm bắt được cách sử dụng patch() một cách hiệu quả, giúp nâng cao chất lượng và độ tin cậy của các bài kiểm thử trong dự án của mình.

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Triển khai thuật toán Random Forest bằng Python

Top