Test og debugging

En simpel testCopy Anchor Link

def calculate_total(prices: list[int]) -> int:
    return sum(prices)

def test_calculate_total() -> None:
    assert calculate_total([10, 20, 5]) == 35

Kør med:

python -m pip install pytest
python -m pytest

Test fejltilfældeCopy Anchor Link

import pytest

def divide(a: float, b: float) -> float:
    if b == 0:
        raise ValueError("b må ikke være 0")
    return a / b

def test_zero_is_rejected() -> None:
    with pytest.raises(ValueError, match="må ikke"):
        divide(10, 0)

Fixtures og midlertidige filerCopy Anchor Link

Pytests tmp_path giver hver test sin egen tomme mappe:

from pathlib import Path

def test_save(tmp_path: Path) -> None:
    output = tmp_path / "result.txt"
    output.write_text("ok", encoding="utf-8")
    assert output.read_text(encoding="utf-8") == "ok"

Mock ved systemgrænserCopy Anchor Link

Mock tid, netværk, email og eksterne services. Undgå at mocke almindelig intern logik; det gør tests tæt bundet til implementationen.

Debugging-rækkefølgeCopy Anchor Link

1. Genskab fejlen stabilt.
2. Læs hele tracebacken og start ved din egen første linje.
3. Gør inputtet mindre.
4. Sæt breakpoint med breakpoint().
5. Inspicér værdier og antagelser.
6. Skriv en test, der fejler før rettelsen og består efter.

KvalitetsværktøjerCopy Anchor Link

Brug type checking, formattering og linting i CI. En typisk pipeline kører tests på en ren installation og stopper deployment ved fejl.