Hypothesis是Python的一个高级测试库。它允许编写测试用例时参数化，然后生成使测试失败的简单易懂的测试数据。可以用更少的工作在代码中发现更多的bug。
安装
pip install hypothesis
如何设计测试数据
通过介绍也许你还不了解它是干嘛的，没关系！我们举个例子。
首先，我有一个需要测试的函数：
def add(a, b):
"""实现加法运算"""
return a + b
测试代码是这样的：
import unittest
class AddTest(unittest.TestCase):
def test_case1(self):
c = add(1, 2)
self.assertEqual(c, 3)
def test_case2(self):
c = add(0, 2)
self.assertEqual(c, 2)
def test_case3(self):
c = add(-2, 2)
self.assertEqual(c, 0)
if __name__ == '__main__':
unittest.main()
为了更全面的验证的 add() 函数，我必须设计足够多的 测试数据， 同样也需要很多条用例！
当然，为了测试足够多的数据，我们也可以将代码改称这样。
import unittest
from random import randint
class AddTest(unittest.TestCase):
def test_case(self):
for i in range(10):
a = randint(-32768, 32767)
b = randint(-32768, 32767)
print("a->", a)
print("b->", b)
c1 = a + b
c2 = add(a, b)
self.assertEqual(c1, c2)
if __name__ == '__main__':
unittest.main()
通过调用 randint() 函数生成随机数。循环10次（也可以是100次，1000次），用更少的代码做更多的测试，测试的数据越多，发现bug的可能性越大。
测试结果如下：
> python test_hypothesis_demo.py
a-> 11503
b-> -784
a-> -31548
b-> 13057
a-> 22033
b-> 3618
a-> -32249
b-> 28025
a-> -15429
b-> 31055
a-> 16095
b-> 13445
a-> -31536
b-> 14606
a-> 18655
b-> -18039
a-> 17923
b-> -12079
a-> -9256
b-> -26440
.
------------------------
Ran 1 test in 0.002s
OK
用 hypothesis生成测试数据
上面的测试数据很难随机到 边界值，除非我手动设计数据，而且用for循环也不是太好的设计。是时候让hypothesis登场了。
import unittest
from hypothesis import given, settings
import hypothesis.strategies as st
class AddTest(unittest.TestCase):
@settings(max_examples=10)
@given(a=st.integers(), b=st.integers())
def test_case(self, a, b):
print("a->", a)
print("b->", b)
c1 = a + b
c2 = add(a, b)
self.assertEqual(c1, c2)
if __name__ == '__main__':
unittest.main()
通过@given() 装饰测试用例，调用strategies 模块下面的 integers() 方法生成随机的测试数。在@setting()装饰器中通过max_examples用来控制随机数的个数。
运行结果如下：
> python test_hypothesis_demo.py
a-> 0
b-> 0
a-> 5980
b-> -3607224505277606703
a-> 324106882
b-> 23975
a-> 23272
b-> 4917
a-> 107
b-> -155
a-> -4500
b-> -8303
a-> 2683
b-> 4384
a-> 27
b-> -81
a-> -122472823694675410551869872440384533757
b-> -89
a-> 19075
b-> 4362
.
-------------------------------------------------
Ran 1 test in 0.032s
hypothesis 生成的数据会更具有 测试价值，对吧？ hypothesis 还可以生成更多类型的测试数据。例如 email格式和text格式。
email-> 0@A.com
text->
email-> ^H@R70-s0Xke.Sb-UBn08.VzT--dz000I0o00r00s--EJY.e.Ov.aRaMcO text-> -
email-> 6a#@T.HKt
text-> ↕
email-> '/YAw/jnIZ!0fS+A@E7UJ.expErt
text-> +�
email-> *xh*-#t5$0-L8O&r10XnXU-**+e%0xy-@k.O.e.lEase
text-> #�����/���+
�)�▲�
email-> 2U!N0+|*%~@T.q-NX-0-0gWl.x.Lv
text->
email-> &i/o!F*@xuW--03.p00-t0Y-0Z0.MW.K-000-n-sB0rR-0L.Y.y2u.NXptL0bgG-0U.XN--FLw351E
text-> �0▲-���
email-> oK*-@p.ZiP
text-> ☺
email-> /@mOL.Y-Q.j.p.d-3Mzi.i.Utv-M.yachts
text-> (
email-> 4ql$y2%N4h@c.veRSIcheruNG
text->
这些数据看上去就具有很高的测试价值。好吧！测试一定明白我在说什么。
问题来了，我们可以将 hypothesis 生成的数据应用到 Web或接口自动化测试中么？
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
