آموزش تسلط بر تست واحد در پایتون - راهنمای جامع Pytest و Mocking [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

راه‌اندازی محیط توسعه پایتون برای تست Python Development Environment Setup for Testing

• درک و دانلود ابزارهای مورد نیاز Understanding and Downloading Required Tools

• راه‌اندازی پایتون در ویندوز: راهنمای کامل نصب Setting Up Python on Windows: Complete Installation Guide

• راه‌اندازی پایتون در مک: پیکربندی محیط توسعه Setting Up Python on macOS: Development Environment Configuration

نصب و پیکربندی IDE PyCharm PyCharm IDE Installation and Configuration

• نصب و راه‌اندازی PyCharm: پیکربندی به‌روز شده IDE Installing and Setting Up PyCharm: Updated IDE Configuration

• تست واحد (Unit Testing) چیست؟ What Is Unit Testing?

• Pytest چیست: آشنایی با فریم‌ورک پیشرو تست در پایتون What Is Pytest: Understanding Python's Leading Testing Framework

مبانی و نصب Pytest Pytest Fundamentals and Installation

• پیکربندی PyCharm و نوشتن اولین تست Configuring PyCharm and Writing Your First Test

• روش‌های مختلف نصب Pytest: متدها و گزینه‌های نصب Different Ways of Installing Pytest: Installation Methods and Options

اجرای تست‌ها: روش‌های اجرای Pytest Running Tests: Pytest Execution Methods

• روش‌های مختلف اجرای تست‌ها: گزینه‌های خط فرمان و IDE Different Ways of Executing Your Tests: Command Line and IDE Options

تاییدیه های Pytest: اعتبارسنجی نتایج تست Pytest Assertions: Validating Test Results

• Assertions چیستند: درک مبانی اعتبارسنجی تست What Are Assertions: Understanding Test Validation Fundamentals

• دستور Assert: نوشتن تاییدیه های موثر برای تست Assert Statement: Writing Effective Test Assertions

• تست استثناها (Exceptions): تست مدیریت خطا و موارد خاص Asserting Exceptions: Testing Error Handling and Edge Cases

فیکسچرهای Pytest: آماده‌سازی و پاک‌سازی تست Pytest Fixtures: Test Setup and Teardown

• متدهای Setup و Teardown: مدیریت وضعیت تست و پاک‌سازی Setup and Teardown Methods: Managing Test State and Cleanup

• فیکسچرها در Pytest: اجزای تست قابل استفاده مجدد و تزریق وابستگی Fixtures in Pytest: Reusable Test Components and Dependency Injection

• استفاده از Yield در فیکسچرها: الگوهای پیشرفته و مدیریت Context Yield with Fixtures: Advanced Fixture Patterns and Context Management

مارکرهای Pytest: سازماندهی و کنترل تست‌ها Pytest Markers: Organizing and Controlling Tests

• مارکرها چیستند: دسته‌بندی و فیلتر کردن تست‌ها What Are Markers: Categorizing and Filtering Your Tests

• استفاده از مارکر xfail: مدیریت شکست‌های مورد انتظار در مجموعه‌های تست Using xfail Marker: Handling Expected Failures in Test Suites

• مارکر Skip: نادیده گرفتن شرطی تست‌ها در حین اجرا Skip Marker: Conditionally Skipping Tests During Execution

تست پارامتریک: موارد تست داده-محور Parameterized Testing: Data-Driven Test Cases

• پایتست پارامتریک: اجرای تست‌ها با مقادیر ورودی متعدد Parameterized Pytest: Running Tests with Multiple Input Values

ماکینگ در پایتون: جداسازی کد برای تست Python Mocking: Isolating Code for Testing

• Mocking چیست: درک جایگزین‌های تست و جداسازی What Is Mocking: Understanding Test Doubles and Isolation

• ایجاد اولین Mock: پیاده‌سازی پایه آبجکت Mock Creating Your First Mock: Basic Mock Object Implementation

• Mock پارامتریک: ایجاد آبجکت‌های Mock منعطف با رفتار پویا Parameterized Mock: Creating Flexible Mock Objects with Dynamic Behavior

تکنیک‌ها و الگوهای پیشرفته Mocking Advanced Mocking Techniques and Patterns

• راستی‌آزمایی Mockها: اطمینان از فراخوانی صحیح متدها و تعاملات Verifying Mocks: Ensuring Correct Method Calls and Interactions

• ماکینگ مقادیر JSON: شبیه‌سازی پاسخ‌های API و داده‌ها Mocking JSON Values: Simulating API Responses and Data