دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python Testing with pytest: Simple, Rapid, Effective, and Scalable
دانلود کتاب تست پایتون با pytest: ساده، سریع، موثر و مقیاس پذیر
مشخصات کتاب
Python Testing with pytest: Simple, Rapid, Effective, and Scalable
ویرایش: [2 ed.]
نویسندگان: Brian Okken
سری:
ISBN (شابک) : 1680508601, 9781680508604
ناشر: Pragmatic Bookshelf
سال نشر: 2022
تعداد صفحات: 274
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
قیمت کتاب (تومان) : 44,000
در صورت تبدیل فایل کتاب Python Testing with pytest: Simple, Rapid, Effective, and Scalable به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تست پایتون با pytest: ساده، سریع، موثر و مقیاس پذیر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تست پایتون با pytest: ساده، سریع، موثر و مقیاس پذیر
برنامه‌ها، بسته‌ها و کتابخانه‌های کوچک و بزرگ را با pytest، قدرتمندترین چارچوب آزمایشی پایتون، آزمایش کنید. pytest به شما کمک می کند تا تست ها را سریع بنویسید و آنها را خوانا و قابل نگهداری نگه دارید. در این نسخه کاملاً اصلاح‌شده، قدرت‌های فوق‌العاده pytest - ادعاهای ساده، فیکسچرها، پارامترسازی، نشانگرها و پلاگین‌ها - را در حین ایجاد تست‌های ساده و مجموعه‌های آزمایشی در برابر یک برنامه پایگاه داده کوچک بررسی کنید. با استفاده از یک مدل فیکسچر قوی و در عین حال ساده، نوشتن تست های کوچک با pytest به همان اندازه آسان است که مقیاس آن را تا تست های عملکردی پیچیده انجام دهید. این کتاب به شما نشان می دهد که چگونه.
pytest بدون شک بهترین انتخاب برای آزمایش پروژه های پایتون است. این یک چارچوب آزمایشی با امکانات کامل، انعطاف‌پذیر و قابل توسعه است. مدل فیکسچر pytest به شما امکان می دهد داده های تست و روش های راه اندازی را در چندین لایه آزمایش به اشتراک بگذارید. چارچوب pytest ویژگی‌های قدرتمندی مانند بازنویسی، پارامترسازی، نشانگرها، پلاگین‌ها، اجرای آزمایش موازی، و گزارش شکست تست واضح - بدون کد دیگ بخار را به شما می‌دهد.
با یک مرحله ساده. دستورالعمل های گام به گام و کد نمونه، این کتاب شما را به سرعت در این ابزار آسان برای یادگیری و در عین حال قدرتمند می رساند. تست های کوتاه و قابل نگهداری بنویسید که به زیبایی آنچه را که آزمایش می کنید بیان می کند. با توزیع تست‌ها در چندین پردازنده و اجرای آزمایش‌ها به صورت موازی، زمان‌های تست را افزایش دهید. از عبارات ادعای داخلی پایتون به جای توابع کمکی نامطلوب استفاده کنید تا تست های خود را خواناتر کنید. کد راه‌اندازی را به خارج از تست‌ها و به فیکسچرها منتقل کنید تا خرابی‌های راه‌اندازی را از شکست‌های تست جدا کنید. شرایط خطا و موارد گوشه را با آزمایش استثنای مورد انتظار آزمایش کنید و از یک تست برای اجرای بسیاری از موارد آزمایشی با آزمایش پارامتری شده استفاده کنید. pytest را با افزونه‌ها گسترش دهید، آن را به سیستم‌های یکپارچه‌سازی پیوسته متصل کنید، و از آن در کنار تست‌های tox، mock، coverage و حتی واحد تست موجود استفاده کنید.
تست‌های ساده و قابل نگهداری را به سرعت بنویسید. با pytest.
آنچه شما نیاز دارید:
نمونه‌های این کتاب با استفاده از Python 3.10 و pytest 7. pytest نوشته شده‌اند. 7 از پایتون 3.5 و بالاتر پشتیبانی می کند.
توضیحاتی درمورد کتاب به خارجی
Test applications, packages, and libraries large and small with pytest, Python's most powerful testing framework. pytest helps you write tests quickly and keep them readable and maintainable. In this fully revised edition, explore pytest's superpowers - simple asserts, fixtures, parametrization, markers, and plugins - while creating simple tests and test suites against a small database application. Using a robust yet simple fixture model, it's just as easy to write small tests with pytest as it is to scale up to complex functional testing. This book shows you how.
pytest is undeniably the best choice for testing Python projects. It's a full-featured, flexible, and extensible testing framework. pytest's fixture model allows you to share test data and setup procedures across multiple layers of tests. The pytest framework gives you powerful features such as assert rewriting, parametrization, markers, plugins, parallel test execution, and clear test failure reporting - with no boilerplate code.
With simple step-by-step instructions and sample code, this book gets you up to speed quickly on this easy-to-learn yet powerful tool. Write short, maintainable tests that elegantly express what you're testing. Speed up test times by distributing tests across multiple processors and running tests in parallel. Use Python's builtin assert statements instead of awkward assert helper functions to make your tests more readable. Move setup code out of tests and into fixtures to separate setup failures from test failures. Test error conditions and corner cases with expected exception testing, and use one test to run many test cases with parameterized testing. Extend pytest with plugins, connect it to continuous integration systems, and use it in tandem with tox, mock, coverage, and even existing unittest tests.
Write simple, maintainable tests quickly with pytest.
What You Need:
The examples in this book were written using Python 3.10 and pytest 7. pytest 7 supports Python 3.5 and above.
فهرست مطالب
Cover Table of Contents Acknowledgments Preface Why pytest? Learn pytest While Testing a Sample Application How This Book Is Organized What You Need to Know Why a Second Edition? Example Code and Online Resources Part I—Primary Power 1. Getting Started with pytest Installing pytest Running pytest Review Exercises What’s Next 2. Writing Test Functions Installing the Sample Application Writing Knowledge-Building Tests Using assert Statements Failing with pytest.fail() and Exceptions Writing Assertion Helper Functions Testing for Expected Exceptions Structuring Test Functions Grouping Tests with Classes Running a Subset of Tests Review Exercises What’s Next 3. pytest Fixtures Getting Started with Fixtures Using Fixtures for Setup and Teardown Tracing Fixture Execution with –setup-show Specifying Fixture Scope Sharing Fixtures through conftest.py Finding Where Fixtures Are Defined Using Multiple Fixture Levels Using Multiple Fixtures per Test or Fixture Deciding Fixture Scope Dynamically Using autouse for Fixtures That Always Get Used Renaming Fixtures Review Exercises What’s Next 4. Builtin Fixtures Using tmp_path and tmp_path_factory Using capsys Using monkeypatch Remaining Builtin Fixtures Review Exercises What’s Next 5. Parametrization Testing Without Parametrize Parametrizing Functions Parametrizing Fixtures Parametrizing with pytest_generate_tests Using Keywords to Select Test Cases Review Exercises What’s Next 6. Markers Using Builtin Markers Skipping Tests with pytest.mark.skip Skipping Tests Conditionally with pytest.mark.skipif Expecting Tests to Fail with pytest.mark.xfail Selecting Tests with Custom Markers Marking Files, Classes, and Parameters Using “and,” “or,” “not,” and Parentheses with Markers Being Strict with Markers Combining Markers with Fixtures Listing Markers Review Exercises What’s Next Part II—Working with Projects 7. Strategy Determining Test Scope Considering Software Architecture Evaluating the Features to Test Creating Test Cases Writing a Test Strategy Review Exercises What’s Next 8. Configuration Files Understanding pytest Configuration Files Saving Settings and Flags in pytest.ini Using tox.ini, pyproject.toml, or setup.cfg in place of pytest.ini Determining a Root Directory and Config File Sharing Local Fixtures and Hook Functions with conftest.py Avoiding Test File Name Collision Review Exercises What’s Next 9. Coverage Using coverage.py with pytest-cov Generating HTML Reports Excluding Code from Coverage Running Coverage on Tests Running Coverage on a Directory Running Coverage on a Single File Review Exercises What’s Next 10. Mocking Isolating the Command-Line Interface Testing with Typer Mocking an Attribute Mocking a Class and Methods Keeping Mock and Implementation in Sync with Autospec Making Sure Functions Are Called Correctly Creating Error Conditions Testing at Multiple Layers to Avoid Mocking Using Plugins to Assist Mocking Review Exercises What’s Next 11. tox and Continuous Integration What Is Continuous Integration? Introducing tox Setting Up tox Running tox Testing Multiple Python Versions Running tox Environments in Parallel Adding a Coverage Report to tox Specifying a Minimum Coverage Level Passing pytest Parameters Through tox Running tox with GitHub Actions Review Exercises What’s Next 12. Testing Scripts and Applications Testing a Simple Python Script Testing an Importable Python Script Separating Code into src and tests Directories Defining the Python Search Path Testing requirements.txt-Based Applications Review Exercises What’s Next 13. Debugging Test Failures Adding a New Feature to the Cards Project Installing Cards in Editable Mode Debugging with pytest Flags Re-Running Failed Tests Debugging with pdb Combining pdb and tox Review Exercises What’s Next Part III—Booster Rockets 14. Third-Party Plugins Finding Plugins Installing Plugins Exploring the Diversity of pytest Plugins Running Tests in Parallel Randomizing Test Order Review Exercises What’s Next 15. Building Plugins Starting with a Cool Idea Building a Local conftest Plugin Creating an Installable Plugin Testing Plugins with pytester Testing Multiple Python and pytest Versions with tox Publishing Plugins Review Exercises What’s Next 16. Advanced Parametrization Using Complex Values Creating Custom Identifiers Parametrizing with Dynamic Values Using Multiple Parameters Using Indirect Parametrization Review Exercises What’s Next A1. Virtual Environments A2. pip Index – SYMBOLS – – A – – B – – C – – D – – E – – F – – G – – H – – I – – L – – M – – N – – O – – P – – Q – – R – – S – – T – – U – – V – – W – – X – – Y –
