通过努力地写测试 ， 会强迫你开始编写精简、功能单一、无状态、依赖注入、避免链式调用的函数 。
一个简单直观的“好坏对比” ， 链式调用的函数很难测试 ， 它内含了太多其他函数的调用 ， 一旦测试就变成了一个“集成测试” 。 而将其按照步骤一一拆分后 ， 就可以对其进行精细化的“单元测试” ， 这可以契合你开发的步伐 ， 步步为营稳步推进 。
"""这是很糟糕的链式调用"""def main:func1def func1:return func2def func2:return func3def func3:return "shit""""这样写会好很多"""def step1:return "yoo"def step2(v):return f"hello, {v}"def step3(v):return f"you know nothing, {v}"def main:r1 = step1r2 = step2(r1)step3(r2)顺带一提 ， 对于一些无法绕开的外部调用 ， 如网络请求、数据库请求 。 单元测试的准则之一就是“排除一切外部因素” ， 你不应该发起任何真正的外部调用的 ， 因为这会引入不可控的数据 。 正确做法是通过依赖注入 Mock 对象 ， 或者通过 patch 去改写调用的接口对象 。
以前写过一篇简介：
单元测试应该兼顾黑盒、白盒 。 你既应该编写面对接口的案例 ， 也应该尽可能的试探内部的实现路径（增加覆盖率） 。
你还可以逐渐地把线上遇到的各种 bug 都编写为案例 ， 这些案例会成为项目宝贵的财富 ， 为回归测试提供强有力的支持 。 而且有这么多测试案例提供保护 ， coding 的时候也会安心很多 。
在单元测试的基础上 ， 人们发展出了 TDD ， 但是在实践的过程中 ， 发现有些“狡猾的”开发会针对案例的特例进行编程 。 为此 ， 人们决定应该抛弃形式 ， 回归本源 ， 从方法论的高度来探寻测试的道路 。 其中光明一方 ， 就是 PBT ， 试图通过描述问题的实质 ， 来自动生成测试案例 。
一篇简介：
另一个黑暗的方向就是 Fuzzing ， 它干脆完全忽略函数的实现 ， 贯彻黑盒到底 ， 通过遗传算法 ， 随机的生成入参 ， 以测试到宇宙尽头的决心 ， 对函数进行死缠烂打 ， 发掘出正常人根本想不到猜不着的犄角旮旯里的 bug 。
*声明：本文于网络整理 ， 版权归原作者所有 ， 如来源信息有误或侵犯权益 ， 请联系我们删除或授权事宜 。
今天给大家推荐一本机器学习、深度学习的人都应该听说过一本经典教材：《Pattern Recognition and Machine Learning》 ， 中文译名《模式识别与机器学习》 ， 简称 PRML 。 出自微软剑桥研究院实验室主任 Christopher Bishop 大神之手 。 对 ， 就是豆瓣评分 9.5 的这本书 。
文章插图
资料获取方法
2. 后台回复关键词：PRML
回复「PRML」即可获取资料

• 丹丹|福佑卡车创始人兼CEO单丹丹：数字领航 驶向下一个十年
• 爱奇艺|连续亏损十年，爱奇艺收入不及快手，视频网站的出口在哪里？
• 直播从业者|高三老师监考时开直播，面对质疑还振振有词，怕困没有打扰学生
• 付费|谁在定义未来三十年？音频内容付费，60后人数同比增154%，00后增94%
• 悬空|华为Mate悲壮史十年逆袭，三轮打压，一朝悬空
• 告诉|阿里大佬告诉你如何一分钟利用Python在家告别会员看电影
• Python源码阅读-基础1
• Python调用时使用*和**
• 如何基于Python实现自动化控制鼠标和键盘操作
• 解决多版本的python冲突问题