آموزش تست واحد با پایتون

Unit Testing with Python

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: این دوره از دوره Pluralsight "Python Fundamentals" پیروی می کند و جزئیات بیشتری در مورد تست واحد با پایتون دارد. ما کتابخانه ها و چارچوب هایی مانند unittest، doctest و py.test را پوشش خواهیم داد. هدف کمک به شما برای نوشتن تست های واحد است که کیفیت کد را بهبود می بخشد و همچنین از توسعه آینده پشتیبانی می کند. تست های واحد خوب باید ارزش فوری را از نظر کاهش اشکال زدایی و طراحی بهتر ارائه دهند، و سرمایه گذاری در نوشتن آنها باید در طول عمر نرم افزار شما بازپرداخت شود.

      سرفصل ها و درس ها

      تست واحد با پایتون - مثال پایه با استفاده از unittest Unit Testing with Python - Basic Example Using unittest

      • بررسی اجمالی دوره Course Overview

      • نمای کلی ماژول Module Overview

      • اولین مورد آزمایشی A First Test Case

      • یک مورد آزمایشی دیگر، توضیح «دونده آزمون» Another Test Case, Explanation of 'Test Runner'

      • یک مورد آزمایشی با استفاده از assertRaises، توضیح «مجموعه آزمایشی» A Test Case Using assertRaises, Explanation of 'Test Suite'

      • یک مورد آزمایشی را رها کنید، علامت گذاری کنید که در حال انجام است Skip a Test Case, Marking it Work In Progress

      • استفاده از setUp و tearDown - توضیح "Test Fixture" Using setUp and tearDown - Explanation of 'Test Fixture'

      • مجدداً مورد تست رد شده را معرفی کنید، آن را قبول کنید. Re-Introduce the Skipped Test Case, Get it to Pass.

      • طراحی کیس Cest - نام موارد تست به عنوان مشخصات. Cest Case Design - Test Case Names as Specification.

      • ترتیب - عمل - ادعا - پاکسازی Arrange - Act - Assert - Cleanup

      • واحد تست مستندات. unittest Documentation.

      • خلاصه ماژول. Module Summary.

      چرا و چه زمانی باید تست های واحد بنویسید؟ Why and When Should You Write Unit Tests?

      • طرح کلی ماژول Module Outline

      • چهار دلیل برای تست واحد Four Reasons for Unit Testing

      • درک آنچه باید بسازیم Understanding What to Build

      • مستندسازی واحدها Documenting the Units

      • طراحی واحدها Designing the Units

      • تشخیص رگرسیون Detecting Regression

      • محدودیت های تست واحد Limitations of Unit Testing

      • تست به عنوان بخشی از فرآیند توسعه شخصی شما Testing as Part of Your Personal Development Process

      • آخرین تست Test Last

      • ابتدا تست کنید Test First

      • تست رانده Test Driven

      • یکپارچه سازی مداوم Continuous Integration

      • بررسی ماژول Module Review

      استفاده از Pytest برای تست واحد در پایتون Using Pytest for Unit Testing in Python

      • طرح کلی ماژول Module Outline

      • انگیزه نگاه کردن به پای تست Motivation for Looking at pytest

      • تعریف و اجرای یک تست ساده Defining and Running a Simple Test Case

      • تفسیر اطلاعات شکست Interpreting Failure Information

      • اثبات محتویات مجموعه ها Asserting the Contents of Collections

      • توابع کمکی داخلی - "افزایش" و "پرش" Built-In Helper Functions - 'raises' and 'skip'

      • افزودن یک فیکسچر آزمایشی با استفاده از «@pytest.fixture» Adding a Test Fixture by Using '@pytest.fixture'

      • استفاده از منابع داخلی تست فیکسچر - 'tmpdir' Using Built-In Test Fixture Resources - 'tmpdir'

      • استفاده از pytest برای اجرای تست های 'unittest' Using pytest to Run 'unittest' Tests

      • بررسی ماژول Module Review

      مستندات قابل آزمایش با Doctest Testable Documentation with Doctest

      • طرح کلی ماژول Module Outline

      • Doctest برای چیست، چگونه با تست واحد ارتباط دارد What doctest is for, how it Relates to Unit Testing

      • مستندسازی یک روش ساده با مثال‌های docstring Documenting a Simple Method With docstring Examples

      • استفاده از تست های مختلف برای اجرای doctests Using Different Test Runners to Execute doctests

      • رسیدگی به آزمون های ناموفق Handling Failing doctests

      • مدیریت خروجی که تغییر می کند - دیکشنری ها و شناورها Handling Output That Changes - Dictionaries and Floats

      • تست استثناها: از جمله Tracebacks در doctests Testing for Exceptions: Including Tracebacks in doctests

      • دستورالعمل ELLIPSIS: یک علامت عام برای مطابقت با خروجی های مختلف The ELLIPSIS Directive: a Wildcard for Matching Varying Output

      • قرار دادن آزمون های رگرسیون doctest در یک فایل جداگانه Putting doctest Regression Tests in a Separate File

      • زمان قرار دادن doctest ها در یک فایل، با استفاده از تست تایید When to Put doctests in a File, Using Approval Testing

      • Doctest برای بررسی مستندات آموزشی Doctest for Checking Tutorial Documentation

      • بررسی ماژول Module Review

      تست دونفره: مسخره کردن، تقلبی و خرد Test Doubles: Mocks, Fakes and Stubs

      • طرح کلی ماژول Module Outline

      • تست دوبل چیست؟ What is a Test Double?

      • مثال با استفاده از یک خرد Example Using a Stub

      • استفاده از unittest.mock برای ایجاد یک خرد Using unittest.mock to Create a Stub

      • خلاصه نمونه خرد Stub Example Summary

      • مثال استفاده از جعلی Example Using a Fake

      • مثال استفاده از موک Example Using a Mock

      • مثال استفاده از جاسوس Example Using a Spy

      • استفاده از unittest.mock برای ایجاد یک جاسوس و یک موک Using unittest.mock to Create a Spy and a Mock

      • مثال استفاده از یک شی ساختگی Example Using a Dummy Object

      • انتخاب استفاده از نوع خاصی از تست دوبل Choosing to Use a Particular Kind of Test Double

      • استفاده از Monkeypatching برای درج تست دوبل Using Monkeypatching to Insert a Test Double

      • بررسی ماژول Module Review

      پوشش تست و تست های پارامتری Test Coverage and Parameterized Tests

      • طرح کلی ماژول Module Outline

      • استفاده از یک ادعای سفارشی برای کاهش تکرار Using a Custom Assert to Reduce Duplication

      • تعریف تست های پارامتری شده با واحد تست Defining Parameterized Tests With unittest

      • تعریف تست های پارامتری شده با pytest Defining Parameterized Tests With pytest

      • اندازه گیری پوشش با pytest-cov Measuring Coverage With pytest-cov

      • اندازه گیری پوشش تست های واحد Measuring Coverage of unittest Tests

      • استفاده از Coverage Data برای افزودن تست به Legacy Code Using Coverage Data to Add Tests to Legacy Code

      • کاربردهای خوب و بد برای معیارهای پوشش Good and Bad Uses for Coverage Metrics

      • بررسی ماژول Module Review

      نمایش نظرات

      آموزش تست واحد با پایتون
      جزییات دوره
      2h 58m
      69
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      271
      4.7 از 5
      دارد
      دارد
      دارد
      Emily Bache
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Emily Bache Emily Bache

      امیلی بچه یک مشاور مستقل متخصص در تست های خودکار و روش های چابک است. امیلی نویسنده کتاب "The Coding Dojo Handbook: یک راهنمای عملی برای ایجاد فضایی است که برنامه نویسان خوب می توانند به برنامه نویسان عالی تبدیل شوند". این کتاب حاصل چندین سال آزمایش قالب Coding Dojo برای آموزش و یادگیری مهارت های پیرامون Clean Code ، Test Test Development ، Refactoring و موارد دیگر است. امیلی سالهای زیادی را در AstraZeneca ، یک شرکت دارویی چند ملیتی کار کرد. او در آنجا تیمی از توسعه دهندگان را هدایت کرد و یک سیستم توزیع شده با عملکرد بالا را که در پایتون نوشته شده بود ، ساخت و گسترش دادند. امیلی افتخار دریافت "جایزه جهانی دستاورد علمی و فنی" AstraZeneca را برای کار خود داشت. از آن زمان او استراتژی های تست خودکار محصولات نرم افزاری را در چندین شرکت چند ملیتی دیگر توسعه داده است.