Learning Python Testing

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Arbuckle D.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 336 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 52,000

Packt Publishing, 2014. — 336 p. — ISBN: 9781783553211 تست خودکار بهترین راه برای افزایش کارایی و کاهش عیوب تست نرم افزار است. بسیاری از تلاش های شما را از بین می برد تا بتوانید زودتر و به آسانی باگ ها را پیدا کنید. چارچوب تست واحد پایتون نوشتن موارد تست خودکار کارآمد را در پایتون آسان می کند. کاربردهایی که شامل پارادایم‌ها و سبک‌های زیادی می‌شوند برای آزمایش می‌توانند بسیار پیچیده باشند، اما با ابزارهای مناسب، آزمایش ساده‌ترین بخش فرآیند توسعه می‌شود.
این کتاب با مقدمه‌ای کوتاه برای تست شروع می‌شود و سپس ابزار doctest را معرفی می‌کند. هم از نظر جنبه های عملی و هم اینکه چگونه در محیط آزمایش قرار می گیرد. از آنجا بحث به unittest.mock و mock objects و unittest ادامه می یابد. در ادامه، بینی معرفی و مورد بحث قرار می گیرد. بعداً، تمرکز از خود ابزارها به سمت بهترین شیوه ها و رشته های آزمایشی معطوف می شود. در نهایت، ادغام آزمایش با فرآیندهای ساخت و زنجیره ابزار موجود پوشش داده شده است. در پایان این کتاب، شما می‌دانید که چگونه از تست خودکار به سرعت و آسانی و به روشی استفاده کنید که به تشخیص زودهنگام اشکالات و رفع آنها کمک کند. درباره نویسنده
دانیل آرباکل دکترای خود را دریافت کرد. او در سال 2007 در رشته علوم کامپیوتر از دانشگاه کالیفرنیای جنوبی فارغ التحصیل شد. او یکی از اعضای فعال جامعه پایتون و یک آزمایشگر واحد مشتاق است.

Packt Publishing, 2014. — 336 p. — ISBN: 9781783553211 Automated testing is the best way to increase efficiency and decrease the defects of software testing. It takes away much of the effort on your part so that you can find bugs early and easily. The Python unit testing framework makes it easy to write efficient automated test cases in Python. Applications involving many paradigms and styles can be very complicated to test, but with the right tools, testing becomes the simplest part of the development process.
This book starts with a short introduction to testing, and then introduces the doctest tool, both in terms of practicalities and how it fits into the testing environment. From there, the discussion proceeds to unittest.mock and mock objects, and to unittest. Next, Nose is introduced and discussed. Later on, focus turns from the tools themselves toward best practices and disciplines of testing. Finally, the integration of testing with existing build processes and toolchains is covered. By the end of this book, you will know how to use automated testing quickly and easily and in a way that helps catch bugs early and fix them. About the Author
Daniel Arbuckle received his PhD. degree in Computer Science from the University of Southern California in 2007. He is an active member of the Python community and an avid unit tester.