Project Icon

ward

高效易读的Python测试框架

Ward是一个注重提高生产力和可读性的Python测试框架。它支持描述性测试名称、模块化依赖管理、异步测试、强大的测试筛选和参数化测试等功能。Ward具有跨平台兼容性,运行速度快,零配置即可使用,并提供插件系统扩展性。其输出结果色彩丰富且易于理解,有助于快速识别和解决测试中的问题。

Codecov 文档状态 PyPI 版本


Ward 是一个注重生产力和可读性的 Python 测试框架。它为您提供编写文档完善可扩展测试所需的工具。

[!重要]
我不再积极维护这个项目。

Ward 典型测试输出示例

特性

文档中查看完整的特性列表。

描述性测试名称: 使用字符串而不是函数名来描述您的测试内容。

@test("简单加法")  # 您可以在这些描述中使用 markdown!
def _():
    assert 1 + 2 == 3  # 您可以使用普通的 assert 语句!

模块化测试依赖: 使用依赖于 Python 导入系统而不是名称匹配的 fixture 来管理测试的设置/清理代码。

@fixture
def user():
    return User(name="darren")


@test("用户名叫 darren")
def _(u=user):
    assert u.name == "darren"

支持 asyncio:使用 async def 定义测试和 fixture,并在其中调用异步代码。

@fixture
async def user():
    u = await create_user()
    return await u.login()


@test("登录用户有最后会话日期")
async def _(user=user):
    last_session = await get_last_session_date(user.id)
    assert is_recent(last_session, get_last_session_date)

强大的测试选择: 不仅可以通过匹配测试名称/描述来限制测试运行,还可以通过测试主体中包含的代码来限制。

ward --search "Database.get_all_users"

或使用标签表达式进行更强大的筛选。

ward --tags "(unit or integration) and not slow"

参数化测试: 通过在循环中编写测试,只需编写一次测试,就可以使用不同的输入多次运行。

for lhs, rhs, res in [
    (1, 1, 2),
    (2, 3, 5),
]:

    @test("简单加法")
    def _(left=lhs, right=rhs, result=res):
        assert left + right == result

跨平台: 在 Mac OS、Linux 和 Windows 上经过测试。

速度快: 在我的机器上,Ward 的约 320 个测试套件运行时间不到半秒。

零配置: 合理的默认设置意味着无需任何参数即可运行 ward。如果需要,可以使用 pyproject.toml 或命令行进行配置。

可扩展: Ward 使用 pluggy 构建了插件系统,这是与 pytest 使用的相同框架。

色彩丰富、人类可读的输出: 通过失败测试的详细输出快速定位并修复问题。

Ward 失败测试输出示例

入门

请查看文档

如何贡献

非常欢迎并鼓励贡献!

有关如何参与 Ward 开发的信息,请参阅贡献指南

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号