


Wie kann ich problemlos Unit-Tests in einem Python-Projekt mit einem separaten Testverzeichnis ausführen?
Ausführen von Komponententests in Python-Projekten mit separater Testverzeichnisstruktur
Abfrage:
Zahlreiche Python-Projekte verwenden eine Verzeichnisstruktur Dadurch werden Unit-Tests in ein dediziertes Testverzeichnis aufgeteilt. Das Ausführen dieser Tests direkt aus dem Testverzeichnis kann jedoch zu Importfehlern führen. Dies wirft die Frage auf: Wie können wir Unit-Tests in einer solchen Struktur bequem ausführen?
Antwort:
Der empfohlene Ansatz beinhaltet die Verwendung der Unittest-Befehlszeilenschnittstelle:
$ python -m unittest test_antigravity
In unserer Beispielverzeichnisstruktur:
new_project/ antigravity/ antigravity.py test/ test_antigravity.py
Durch Ausführen des obigen Befehls wird das Projektverzeichnis hinzugefügt den Systempfad (sys.path), sodass Sie das Antigravitationsmodul mühelos aus der Testdatei importieren können.
Vorteile:
- Kein Handbuch Pfadänderung: Mit dieser Methode entfällt die Notwendigkeit, den PYTHONPATH anzupassen oder andere Suchpfade durchzuführen Änderungen.
- Einfach für Benutzer: Benutzer können die Tests mit einem einfachen Befehl ausführen, ohne dass fortgeschrittene Kenntnisse der Python-Verzeichnisstrukturen erforderlich sind.
- Unterstützt Pakete: Wenn die Test- und Modulverzeichnisse als Pakete konfiguriert sind, können Testmodule die gewünschten Module nahtlos importieren, ohne auf welche zu stoßen Probleme.
Zusätzliche Optionen:
-
Ausführen eines bestimmten Testmoduls:Verwenden Sie die folgende Syntax:
$ python -m unittest test.test_antigravity
Nach dem Login kopieren -
Ausführen eines Testfalls oder Methode: Führen Sie einen einzelnen Testfall oder eine einzelne Testmethode aus mit:
$ python -m unittest test.test_antigravity.GravityTestCase $ python -m unittest test.test_antigravity.GravityTestCase.test_method
Nach dem Login kopieren -
Erkennen und Ausführen aller Tests: Testerkennung einsetzen:
$ python -m unittest discover $ python -m unittest
Nach dem Login kopieren
Dadurch werden automatisch alle Testmodule im Testpaket erkannt und ausgeführt.
Das obige ist der detaillierte Inhalt vonWie kann ich problemlos Unit-Tests in einem Python-Projekt mit einem separaten Testverzeichnis ausführen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python zeichnet sich in Gaming und GUI -Entwicklung aus. 1) Spielentwicklung verwendet Pygame, die Zeichnungen, Audio- und andere Funktionen bereitstellt, die für die Erstellung von 2D -Spielen geeignet sind. 2) Die GUI -Entwicklung kann Tkinter oder Pyqt auswählen. Tkinter ist einfach und einfach zu bedienen. PYQT hat reichhaltige Funktionen und ist für die berufliche Entwicklung geeignet.

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Um die Effizienz des Lernens von Python in einer begrenzten Zeit zu maximieren, können Sie Pythons DateTime-, Zeit- und Zeitplanmodule verwenden. 1. Das DateTime -Modul wird verwendet, um die Lernzeit aufzuzeichnen und zu planen. 2. Das Zeitmodul hilft, die Studie zu setzen und Zeit zu ruhen. 3. Das Zeitplanmodul arrangiert automatisch wöchentliche Lernaufgaben.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.
