当前位置: 首页 > news >正文

白骑士的PyCharm教学实战项目篇 4.3 自动化测试与持续集成

系列目录

上一篇:

        在现代软件开发过程中,自动化测试与持续集成(CI)是确保代码质量和快速交付的关键环节。PyCharm作为一款强大的集成开发环境(IDE),为自动化测试和持续集成提供了全面的支持。本文将详细介绍如何在PyCharm中配置自动化测试工具,并探讨持续集成的实践方法。

自动化测试工具配置

        自动化测试是软件开发中确保代码正确性的重要手段。通过自动化测试,可以快速发现代码中的错误和潜在问题,提高开发效率和代码质量。

配置测试框架

选择测试框架

  • 常用的测试框架包括unittest、pytest和nose。本文以pytest为例,介绍其配置和使用方法。

安装pytest

  • 在PyCharm的终端或通过 “File” -> “Settings” -> “Project: <project_name>” -> “Python Interpreter” 添加pytest库:
pip install pytest

配置pytest

  • 在项目根目录下创建pytest配置文件 'pytest.ini',进行相关配置:
[pytest]testpaths = tests

编写测试用例

创建测试目录和测试文件

  • 在项目根目录下创建'tests'目录,并在其中创建测试文件 'test_example.py':
# tests/test_example.py
def test_addition():assert 1 + 1 == 2def test_subtraction():assert 2 - 1 == 1

运行测试用例

  • 在PyCharm中运行测试用例,可以通过右键点击测试文件或测试目录,选择 “Run 'pytest in <filename>'” 来执行测试。
  • 查看测试结果和详细报告,修复测试失败的代码。

集成代码覆盖率工具

安装coverage库

  • 在PyCharm的终端或通过 “File” -> “Settings” -> “Project: <project_name>” -> “Python Interpreter” 添加coverage库:
pip install coverage

运行代码覆盖率报告

  • 使用coverage运行测试,并生成覆盖率报告:
coverage run -m pytest
coverage report
coverage html
  • 在PyCharm中打开生成的HTML报告文件 'htmlcov/index.html',查看代码覆盖率。

持续集成实践

        持续集成(CI)是一种软件开发实践,旨在通过频繁地将代码集成到主干中,并自动化构建和测试,快速发现和解决问题,提高开发效率和代码质量。

配置CI工具

选择CI平台

  • 常用的CI平台包括GitHub Actions、GitLab CI、Jenkins和Travis CI。本文以GitHub Actions为例,介绍其配置和使用方法。

创建GitHub Actions工作流

  • 在项目根目录下创建 '.github/workflows' 目录,并在其中创建工作流文件 'ci.yml':
name: CIon: [push, pull_request]jobs:build:runs-on: ubuntu-lateststeps:- uses: actions/checkout@v2- name: Set up Pythonuses: actions/setup-python@v2with:python-version: 3.x- name: Install dependenciesrun: |python -m pip install --upgrade pippip install pytest coverage- name: Run testsrun: |coverage run -m pytestcoverage reportcoverage xml- name: Upload coverage to Codecovuses: codecov/codecov-action@v2with:file: ./coverage.xml

配置代码覆盖率上传

  • 注册并配置Codecov账户,获取上传token,并将其添加到GitHub仓库的Secrets中。
  • 在 'ci.yml' 工作流文件中配置 'codecov' 步骤,上传覆盖率报告。

持续集成工作流

代码提交与推送

  • 开发者在本地进行代码开发和测试,确保所有测试用例通过后,将代码提交到GitHub仓库。
  • 触发GitHub Actions工作流,自动执行构建和测试步骤。

自动化构建与测试

  • GitHub Actions工作流在每次代码推送或拉取请求时自动运行,执行安装依赖、运行测试、生成覆盖率报告等步骤。
  • 开发者可以在GitHub上查看工作流运行状态和结果,及时发现和解决问题。

报告与通知

  • 配置通知机制,如邮件通知、Slack通知等,当工作流失败或成功时,及时通知相关开发人员。
  • 通过覆盖率报告和测试结果,不断改进代码质量和测试覆盖率。

总结

        通过本文的学习,你应该掌握了如何在PyCharm中配置自动化测试工具,编写和运行测试用例,生成代码覆盖率报告,并在GitHub Actions中配置持续集成工作流。自动化测试与持续集成是现代软件开发中的重要实践,通过这些工具和方法,可以显著提升开发效率和代码质量。希望本文能够帮助你更好地利用PyCharm进行自动化测试与持续集成,成功完成高质量的软件开发项目。

下一篇:

相关文章:

白骑士的PyCharm教学实战项目篇 4.3 自动化测试与持续集成

系列目录 上一篇&#xff1a; 在现代软件开发过程中&#xff0c;自动化测试与持续集成&#xff08;CI&#xff09;是确保代码质量和快速交付的关键环节。PyCharm作为一款强大的集成开发环境&#xff08;IDE&#xff09;&#xff0c;为自动化测试和持续集成提供了全面的支持。本…...

权限模块开发+权限与角色关联(完整CRUD)

文章目录 &#x1f31e; Sun Frame&#xff1a;SpringBoot 的轻量级开发框架&#xff08;个人开源项目推荐&#xff09;&#x1f31f; 亮点功能&#x1f4e6; spring cloud模块概览常用工具 &#x1f517; 更多信息1.easycode生成代码1.配置2.AuthPermissionDao.java剪切到mapp…...

llama神经网络的结构,llama-3-8b.layers=32 llama-3-70b.layers=80; 2000汉字举例说明

目录 llama-3-8b.layers=32 llama-3-70b.layers=80 llama神经网络的结构 Llama神经网络结构示例 示例中的输入输出大小 实际举例说明2000个汉字文本数据集 初始化词嵌入矩阵 1. 输入层 2. 嵌入层 3. 卷积层 4. 全连接层 llama-3-8b.layers=32 llama-3-70b.laye…...

单细胞数据怎么表现genes mRNA表达的热图?

愿武艺晴小朋友一定得每天都开心 #热图 library("ComplexHeatmap") exp <- AverageExpression(subset(fasting_memory, Celltype %in% c("Pre-B")), layer = "data", #即CPM值 features …...

Java聚合快递对接云洋系统小程序源码

&#x1f680;【物流新纪元】聚合快递如何无缝对接云洋系统&#xff0c;效率飙升秘籍大公开&#xff01;✨ &#x1f50d; 开篇揭秘&#xff1a;聚合快递的魅力所在 Hey小伙伴们&#xff0c;你是否还在为多家快递公司账号管理繁琐、订单处理效率低下而头疼&#xff1f;&#…...

MySQL——数据表的基本操作(三)修改数据表

有时候&#xff0c;希望对表中的某些信息进行修改&#xff0c;这时就需要修改数据表。所谓修改数据表指的是修改数据库中已经存在的数据表结构&#xff0c;比如&#xff0c;修改表名、修改字段名、修改字段的数据类型等。在 MySQL中&#xff0c;修改数据表的操作都是使用 ALTER…...

医学图像分割的基准:TransUnet(用于医学图像分割的Transformer编码器)器官分割

1、 TransUnet 介绍 TransUnet是一种用于医学图像分割的深度学习模型。它是基于Transformer模型的图像分割方法&#xff0c;由AI研究公司Hugging Face在2021年提出。 医学图像分割是一项重要的任务&#xff0c;旨在将医学图像中的不同结构和区域分离出来&#xff0c;以便医生可…...

java-swing编写学生成绩查询管理系统

本文是本人大二上实训项目-学生成绩查询管理系统&#xff0c;采用本项目使用Java、MySQL技术。界面框架由Java Swing搭建&#xff0c;用JDBC实现Java与MySQL的连接。 本项目适合初学java和mysql的同学&#xff0c;来做一些小项目来提升自己&#xff0c;因为兴趣所以想要做去尝…...

volatile浅解

volatile修饰的变量有两个特点 线程中修改了自己工作内存中的副本后&#xff0c;立即将其刷新到主内存工作内存中每次读取共享变量时&#xff0c;都会去主内存中重新读取&#xff0c;然后拷贝到工作内存 内存 -> CPU Cache -> CPU 如果没有volatile那么就会继续读取缓存…...

世媒讯带您了解什么是媒体邀约

什么是媒体邀约&#xff1f;其实媒体邀约是一种公关策略&#xff0c;旨在通过邀请媒体记者和编辑参加特定的活动、发布会或其他重要事件&#xff0c;以确保这些活动能够得到广泛的报道和关注。通过这种方式&#xff0c;企业和组织希望能够传达重要信息&#xff0c;提高品牌知名…...

[Kimi 笔记]“面向搜索引擎”

"面向搜索引擎"&#xff08;Search Engine-Oriented&#xff0c;SEO-Oriented 或 SEO-Friendly&#xff09;通常指的是在设计和开发网站时&#xff0c;采取一系列措施来优化网站内容和结构&#xff0c;以便提高网站在搜索引擎结果页面&#xff08;SERP&#xff09;中…...

如何在亚马逊云科技AWS上利用LoRA高效微调AI大模型减少预测偏差

简介&#xff1a; 小李哥将继续每天介绍一个基于亚马逊云科技AWS云计算平台的全球前沿AI技术解决方案&#xff0c;帮助大家快速了解国际上最热门的云计算平台亚马逊云科技AWS AI最佳实践&#xff0c;并应用到自己的日常工作里。 在机器学习和人工智能领域&#xff0c;生成偏差…...

订单定时状态处理业务(SpringTask)

文章目录 概要整体架构流程技术细节小结 概要 订单定时状态处理通常涉及到对订单状态进行定期检查&#xff0c;并根据订单的状态自动执行某些操作&#xff0c;比如关闭未支付的订单、自动确认收货等. 需求分析以及接口设计 需求分析 用户下单后可能存在的情况&#xff1a; …...

STM32 | ADC+RS485(第十天)

点击上方"蓝字"关注我们 01、ADC概述 ADC, Analog-to-Digital Converter的缩写,指模/数转换器或者模拟/数字转换器。是指将连续变量的模拟信号转换为离散的数字信号的器件。真实世界的模拟信号.例如温度、压力、声音或者图像等,需要转换成更容易储存、处理和发射的…...

python打包成能够在mac里面运行的程序

要将你的PyQt5应用程序打包成可以在macOS上运行的独立应用程序&#xff0c;可以使用工具如PyInstaller或py2app。下面是使用py2app的详细步骤&#xff0c;因为它是macOS上专用的打包工具&#xff0c;并且更好地支持PyQt5。 1. 安装py2app 首先&#xff0c;确保你的macOS系统上…...

基于FPGA的数字信号处理(20)--半减器和全减器

目录 1、前言 2、半减器 3、全减器 4、减法器 文章总目录点这里&#xff1a;《基于FPGA的数字信号处理》专栏的导航与说明 1、前言 既然有半加器和全加器&#xff0c;那自然也有半减器和全减器了。尽管在电路中减法的实现基本都是 补码 加法 的形式&#xff0c;但是正所谓…...

Python:单引号,双引号,三引号的区别

在Python中&#xff0c;单引号&#xff08;&#xff09;、双引号&#xff08;"&#xff09;和三引号&#xff08; 或 """&#xff09;都可以用来定义字符串&#xff0c;但它们之间有一些区别&#xff1a; 单引号&#xff08;&#xff09;和双引号&#xf…...

电子电气架构 ---SOMEIP/SD初入门

我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。 老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 屏蔽力是信息过载时代一个人的特殊竞争力,任何消耗你的人和事,多看一眼都是你的不对。非必要不费力证明自己,无利益不试图说服别人,是精神上的节…...

一些数学基础概念

一些数学基础概念 概率密度函数(PDF) 概率密度函数&#xff08;Probability Density Function&#xff0c;简称 PDF&#xff09;是描述连续随机变量的概率分布的一种函数。它用来表示随机变量在各个取值区间内的概率密度。 1. 定义 对于一个连续随机变量 ( X )&#xff0c;…...

责任有限公司的一般组织结构

责任有限公司&#xff08;有限责任公司&#xff0c;LLC&#xff09;的组织结构通常是为了确保公司运营的有效性和管理的透明度。以下是一般责任有限公司的组织结构及其主要组成部分&#xff1a; 1. 股东&#xff08;Shareholders&#xff09; 职责和角色 所有者&#xff1a;…...

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…...

利用ngx_stream_return_module构建简易 TCP/UDP 响应网关

一、模块概述 ngx_stream_return_module 提供了一个极简的指令&#xff1a; return <value>;在收到客户端连接后&#xff0c;立即将 <value> 写回并关闭连接。<value> 支持内嵌文本和内置变量&#xff08;如 $time_iso8601、$remote_addr 等&#xff09;&a…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别

一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

椭圆曲线密码学(ECC)

一、ECC算法概述 椭圆曲线密码学&#xff08;Elliptic Curve Cryptography&#xff09;是基于椭圆曲线数学理论的公钥密码系统&#xff0c;由Neal Koblitz和Victor Miller在1985年独立提出。相比RSA&#xff0c;ECC在相同安全强度下密钥更短&#xff08;256位ECC ≈ 3072位RSA…...

MySQL 8.0 OCP 英文题库解析(十三)

Oracle 为庆祝 MySQL 30 周年&#xff0c;截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始&#xff0c;将英文题库免费公布出来&#xff0c;并进行解析&#xff0c;帮助大家在一个月之内轻松通过OCP认证。 本期公布试题111~120 试题1…...

图表类系列各种样式PPT模版分享

图标图表系列PPT模版&#xff0c;柱状图PPT模版&#xff0c;线状图PPT模版&#xff0c;折线图PPT模版&#xff0c;饼状图PPT模版&#xff0c;雷达图PPT模版&#xff0c;树状图PPT模版 图表类系列各种样式PPT模版分享&#xff1a;图表系列PPT模板https://pan.quark.cn/s/20d40aa…...

Spring AI与Spring Modulith核心技术解析

Spring AI核心架构解析 Spring AI&#xff08;https://spring.io/projects/spring-ai&#xff09;作为Spring生态中的AI集成框架&#xff0c;其核心设计理念是通过模块化架构降低AI应用的开发复杂度。与Python生态中的LangChain/LlamaIndex等工具类似&#xff0c;但特别为多语…...

Element Plus 表单(el-form)中关于正整数输入的校验规则

目录 1 单个正整数输入1.1 模板1.2 校验规则 2 两个正整数输入&#xff08;联动&#xff09;2.1 模板2.2 校验规则2.3 CSS 1 单个正整数输入 1.1 模板 <el-formref"formRef":model"formData":rules"formRules"label-width"150px"…...

ip子接口配置及删除

配置永久生效的子接口&#xff0c;2个IP 都可以登录你这一台服务器。重启不失效。 永久的 [应用] vi /etc/sysconfig/network-scripts/ifcfg-eth0修改文件内内容 TYPE"Ethernet" BOOTPROTO"none" NAME"eth0" DEVICE"eth0" ONBOOT&q…...

【7色560页】职场可视化逻辑图高级数据分析PPT模版

7种色调职场工作汇报PPT&#xff0c;橙蓝、黑红、红蓝、蓝橙灰、浅蓝、浅绿、深蓝七种色调模版 【7色560页】职场可视化逻辑图高级数据分析PPT模版&#xff1a;职场可视化逻辑图分析PPT模版https://pan.quark.cn/s/78aeabbd92d1...