python | hypothesis，一个有趣的 Python 库！

本文来源公众号“python”，仅用于学术分享，侵权删，干货满满。

原文链接：hypothesis，一个有趣的 Python 库！

大家好，今天为大家分享一个有趣的 Python 库 - hypothesis。

Github地址：https://github.com/HypothesisWorks/hypothesis

在软件开发过程中，测试是保证代码质量和稳定性的关键环节。传统的单元测试往往依赖于开发者手动编写测试用例，这种方式可能会遗漏一些边界情况或意外的输入场景。Hypothesis 是一个功能强大的 Python 库，它通过基于属性的测试（Property-Based Testing）方法自动生成测试数据，从而覆盖更广泛的输入情况，帮助开发者发现潜在的错误。Hypothesis 不仅适用于单元测试，还能在复杂系统中进行验证。它能够自动生成多种类型的数据，并支持定制化的生成策略，大大提高了测试的覆盖率和效率。

安装

安装 Hypothesis 非常简单，可以通过 pip 直接安装：

pip install hypothesis

安装完成后，可以通过以下代码验证是否成功：

import hypothesis
print(hypothesis.__version__)

如果输出版本号，则说明安装成功。

特性

• 自动生成测试数据：通过基于属性的测试方法，自动生成多种类型的输入数据。

• 覆盖广泛的测试场景：支持边界值、随机值和多种组合输入测试。

• 简洁易用的 API：结合 Python 的标准测试框架（如 unittest 和 pytest）无缝集成。

• 支持自定义策略：允许开发者灵活定义数据生成规则。

• 智能最小化失败用例：在测试失败时，自动简化生成的测试数据以便调试。

• 高效的状态管理：记录历史测试结果，避免重复运行无效测试。

基本功能

自动生成测试数据

Hypothesis 的核心功能是自动生成测试数据。

以下示例展示了如何使用 @given 装饰器生成随机整数并验证简单逻辑：

from hypothesis import given
import hypothesis.strategies as st

@given(st.integers())
def test_is_even(x):
    assert (x % 2 == 0) or (x % 2 == 1)

test_is_even()

这个测试会随机生成整数并验证其奇偶性。

测试字符串输入

Hypothesis 支持多种数据类型，例如字符串。

以下示例验证字符串的拼接结果：

@given(st.text(), st.text())
def test_string_concat(a, b):
    assert len(a + b) == len(a) + len(b)

test_string_concat()

边界值测试

自动生成的测试数据还会覆盖边界值，例如负数和零：

@given(st.integers(min_value=-10, max_value=10))
def test_absolute_value(x):
    assert abs(x) >= 0

test_absolute_value()

高级功能

自定义数据策略

通过 Hypothesis 的策略功能，可以自定义复杂的数据生成规则。

例如，生成符合特定格式的电子邮件地址：

from hypothesis.strategies import composite

@composite
def email_strategy(draw):
    username = draw(st.text(min_size=1, max_size=10))
    domain = draw(st.sampled_from(["gmail.com", "yahoo.com", "outlook.com"]))
    return f"{username}@{domain}"

@given(email_strategy())
def test_email_format(email):
    assert "@" in email

test_email_format()

集合和映射的生成

Hypothesis 能生成集合（如列表、元组）和映射（如字典）的测试数据：

@given(st.lists(st.integers(), min_size=1, max_size=10))
def test_list_sum(lst):
    assert sum(lst) >= min(lst)

test_list_sum()

假设和过滤

通过 @given 的 filter 方法，可以指定特定条件的测试数据：

@given(st.integers().filter(lambda x: x > 0))
def test_positive_integers(x):
    assert x > 0

test_positive_integers()

与 pytest 集成

Hypothesis 可与 pytest 集成，无需额外配置即可运行基于属性的测试：

@pytest.mark.parametrize("n", [5, 10, 15])
@given(st.integers(min_value=1, max_value=100))
def test_divisible_by_n(x, n):
    assert x % n == x % n

运行 pytest 即可直接执行上述测试。

实际应用场景

验证算法正确性

在验证复杂算法时，Hypothesis 可以生成大规模输入数据进行全面测试。例如，验证排序算法的正确性：

@given(st.lists(st.integers()))
def test_sort_algorithm(lst):
    assert sorted(lst) == sorted(lst.copy())

test_sort_algorithm()

API 输入验证

在构建 REST API 时，可以使用 Hypothesis 验证输入参数的边界值处理：

@given(st.dictionaries(keys=st.text(), values=st.integers()))
def test_api_input(data):
    assert isinstance(data, dict)

test_api_input()

文件处理

Hypothesis 支持生成二进制数据，可用于测试文件读取和处理逻辑：

@given(st.binary(min_size=10, max_size=100))
def test_binary_file_read(data):
    assert len(data) >= 10

test_binary_file_read()

数据库查询

结合自定义策略，Hypothesis 可生成模拟的数据库查询参数进行测试：

@given(st.text(min_size=1, max_size=10))
def test_query_sanitization(query):
    sanitized = query.replace("'", "''")
    assert "'" not in sanitized

test_query_sanitization()

总结

Hypothesis 是一个功能强大的 Python 测试库，通过基于属性的测试方法自动生成多样化的数据，从而帮助开发者覆盖更广泛的测试场景。它支持对多种数据类型（如整数、字符串、集合等）的测试，同时内置丰富的策略和自定义功能，能够满足复杂的测试需求。Hypothesis 的自动数据生成和智能化失败用例简化功能，使开发者能够快速定位问题，提高调试效率。无论是验证算法、测试 API 输入，还是处理边界值和随机数据，Hypothesis 都表现出色。它与 Python 标准测试框架（如 pytest 和 unittest）无缝集成，提供了极高的易用性和扩展性。

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。