دسته: برنامه نويسي
دانلود کتاب تست پایتون با pytest: ساده، سریع، موثر و مقیاس پذیر بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Python Testing with pytest: Simple, Rapid, Effective, and Scalable
ویرایش : 1
عنوان ترجمه شده به فارسی : تست پایتون با pytest: ساده، سریع، موثر و مقیاس پذیر
سری :
نویسندگان : Brian Okken
ناشر : Pragmatic Bookshelf
سال نشر : 2017
تعداد صفحات : 213
ISBN (شابک) : 1680502409 , 9781680502404
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
هنگام آزمایش کد پایتون خود کار کمتری انجام دهید، اما به همان اندازه رسا، به همان زیبایی و به همان اندازه خوانا باشید. چارچوب تست pytest به شما کمک می کند تا تست ها را سریع بنویسید و آنها را خوانا و قابل نگهداری نگه دارید - بدون کد دیگ بخار. با استفاده از یک مدل فیکسچر قوی و در عین حال ساده، نوشتن تستهای کوچک با pytest به همان اندازه آسان است که به اندازه تستهای عملکردی پیچیده برای برنامهها، بستهها و کتابخانهها انجام میشود. این کتاب به شما نشان میدهد که چگونه.
برای پروژههای مبتنی بر پایتون، اگر به دنبال یک چارچوب تست کامل، مستقل از API، انعطافپذیر و توسعهپذیر هستید، pytest گزینه غیرقابل انکاری برای آزمایش کد شما است. با یک مدل فیکسچر کامل که با هیچ ابزار دیگری قابل مقایسه نیست، چارچوب pytest ویژگی های قدرتمندی مانند بازنویسی مجدد و قابلیت پلاگین - بدون کد دیگ بخار را به شما می دهد.
با گام به گام ساده. دستورالعمل های مرحله و کد نمونه، این کتاب شما را به سرعت در این ابزار آسان برای یادگیری و قوی می رساند. تست های کوتاه و قابل نگهداری بنویسید که به زیبایی آنچه را که آزمایش می کنید بیان می کند. ویژگیهای تست قدرتمند را اضافه کنید و با توزیع تستها در چندین پردازنده و اجرای آزمایشها به صورت موازی، زمان تست را افزایش دهید. برای کاهش خطاهای آزمایش نادرست با جدا کردن خطاهای راه اندازی و آزمایش، از گزاره های ادعای داخلی استفاده کنید. شرایط خطا و موارد گوشه را با آزمایش استثنای مورد انتظار آزمایش کنید و از یک تست برای اجرای بسیاری از موارد آزمایشی با آزمایش پارامتری شده استفاده کنید. pytest را با افزونهها گسترش دهید، آن را به سیستمهای یکپارچهسازی پیوسته متصل کنید، و از آن در کنار tox، mock، coverage، unittest و doctest استفاده کنید.
تستهای ساده و قابل نگهداری بنویسید که به زیبایی آنچه را که آزمایش میکنید بیان میکند و چرا.
آنچه شما نیاز دارید:
نمونههای این کتاب با استفاده از Python 3.6 و pytest 3.0 نوشته شدهاند. با این حال، pytest 3.0 از Python 2.6، 2.7 و Python 3.3-3.6 پشتیبانی می کند.
Do less work when testing your Python code, but be just as expressive, just as elegant, and just as readable. The pytest testing framework helps you write tests quickly and keep them readable and maintainable - with no boilerplate code. Using a robust yet simple fixture model, it's just as easy to write small tests with pytest as it is to scale up to complex functional testing for applications, packages, and libraries. This book shows you how.
For Python-based projects, pytest is the undeniable choice to test your code if you're looking for a full-featured, API-independent, flexible, and extensible testing framework. With a full-bodied fixture model that is unmatched in any other tool, the pytest framework gives you powerful features such as assert rewriting and plug-in capability - with no boilerplate code.
With simple step-by-step instructions and sample code, this book gets you up to speed quickly on this easy-to-learn and robust tool. Write short, maintainable tests that elegantly express what you're testing. Add powerful testing features and still speed up test times by distributing tests across multiple processors and running tests in parallel. Use the built-in assert statements to reduce false test failures by separating setup and test failures. Test error conditions and corner cases with expected exception testing, and use one test to run many test cases with parameterized testing. Extend pytest with plugins, connect it to continuous integration systems, and use it in tandem with tox, mock, coverage, unittest, and doctest.
Write simple, maintainable tests that elegantly express what you're testing and why.
What You Need:
The examples in this book are written using Python 3.6 and pytest 3.0. However, pytest 3.0 supports Python 2.6, 2.7, and Python 3.3-3.6.