介绍
无论你使用哪种编程语言或框架，测试都非常重要。Hypothesis是 Python 的一个高级测试库。它允许编写测试用例时参数化，然后生成使测试失败的简单易懂的测试数据。可以用更少的工作在代码中发现更多的bug。该测试库覆盖了大多数情况，并且确实可以帮助你查找代码中的错误。
这篇文章为展示了如何使用Hypothesis在Python中进行测试，并提供了一些示例。
我们如何区分测试？
在我们开始进行基于属性的测试之前，我们需要知道测试的一般区别。有不同的分组测试方法，两种最常见的方法基于测试方法和测试级别。让我们从大多数人已经听说的测试级别开始。本质上，存在四个测试级别（尽管人们可能也知道或定义其他级别）：
不同测试级别侧重专注于不同的事物。单元测试侧重于软件的特定部分或功能。这可以是单个功能或功能的一部分。相反，集成测试侧重于通过软件组件的接口进行协作。系统测试甚至更进一步，可以测试整个系统。
现在，我们将看看存在的各种各样的测试方法。
最常见和已知的是静态和动态测试。所谓静态测试（static testing）就是不实际运行被测软件，而只是静态地检查程序代码、界面或文档中可能存在的错误的过程。如果软件或其部分实际执行，我们称之为动态测试。编写单元测试和集成测试属于动态测试。
另一种常见的方法是盒式方法。基本上，它可以分为白盒测试和黑盒测试（以及灰盒测试作为两者的混合）。白盒测试可验证程序的内部结构或工作情况。黑盒测试与之相反，在黑盒测试中，应用程序被视为黑盒，并且对其交互进行测试。这意味着在不了解内部实现的情况下测试功能。
什么是基于属性的测试？
现在，我们快速了解了如何区分测试，您可能会问：什么是基于属性的测试？
基于属性的测试技术（ Property-based testing），是指编写对你的代码来说为真的逻辑语句（即“属性”），然后使用自动化工具来生成测试输入（一般来说，是指某种特定类型的随机生成输入数据），并观察程序接受该输入时属性是否保持不变。如果某个输入违反了某一条属性，则用户证明程序存在一处错误，并找到一个能够演示该错误的便捷示例。
使用Hypothesis进行基于属性的测试
让我们举一个简单的例子。假设您有两个函数crement（）和decrement（）。一个示例实现可能如下所示：
# increment_decrement.py
def increment(number: int) -> int:
return number + 1
def decrement(number: int) -> int:
return number - 1
您可能会为两者编写单元测试代码，如下所示：
# test_increment_decrement_pytest.py
from increment_decrement import decrement
from increment_decrement import increment
def test_increment():
x = 5
expected = 6
actual = increment(x)
assert actual == expected
def test_decrement():
x = 5
expected = 4
actual = decrement(x)
assert actual == expected
注意：测试代码是使用pytest框架编写的。
当然，您可以编写更多的测试脚本来测试具有不同值的两个函数，甚至可以对测试进行参数化。但是，最后您将使用预定义的值来测试这两个功能。
使用基于属性的测试库（例如Hypothesis ）编写测试是不同的。在这里，您可以指定要测试的类型以及软件的工作方式或行为方式。然后该库根据指定的类型生成随机值来进行实际测试功能。
让我们看看如何使用Hypothesis来测试我们的两个功能。
# test_increment_decrement_hypothesis.py
from hypothesis import given
import hypothesis.strategies as st
from increment_decrement import decrement
from increment_decrement import increment
@given(st.integers())
def test_increment(x):
expected = x + 1
actual = increment(x)
assert actual == expected
@given(st.integers())
def test_decrement(x):
expected = x - 1
actual = decrement(x)
assert actual == expected
如您所见，这两个测试脚本都有一个参数x。x的值是由Hypothesis使用integers（）方法生成的。Hypothesis提供了各种方法。本质上，这些方法对应于内置类型或其他结构，并生成与给定类型匹配的随机数据。
听起来不错，不是吗？但是，如果我们想测试具有特定值的函数以确保它也可以使用该值怎么办？Hypothesis提供了一个@example（）装饰器，您可以在其中定义一个值，即使该值不属于随机生成的测试数据集，也可以将该值传递给相应的函数。
让我们举个简单的例子：
# div.py
def div(dividend: int, divisor: int) -> int:
return dividend // divisor
我们定义了一个函数div（），该函数接受一个除数和一个被除数并返回两者的商。请注意，这两个参数都是整型数据，因此结果也应该是整型数据，我们使用Python的//运算符执行整数除法。
为了测试div（）函数，我们创建了一个新的测试文件test_div.py并编写了一个名为test_div（）的测试脚本。
# test_div.py
from hypothesis import example
from hypothesis import given
import hypothesis.strategies as st
from div import div
@given(dividend=st.integers(), divisor=st.integers())
def test_div(dividend, divisor):
if divisor == 0:
expected = -1
else:
expected = dividend // divisor
actual = div(dividend, divisor)
assert actual == expected
同样，我们使用Hypothesis的integers（）方法生成除数和被除数的值。我们编写的测试脚本可能通过也可能不会通过，具体取决于执行时Hypothesis产生的值。为了确保始终将值0传递给div（）函数，我们将@example（1，0）添加到test_div（）函数。因此，即使div（）
不在随机生成的数据集中，也至少会用除数的值0调用一次。
如果我们按原样运行测试脚本，则test_div（）将始终失败。因此，让我们修改div（）函数来处理这种情况并使测试通过：
# div.py
def div(dividend: int, divisor: int) -> int:
if divisor == 0:
return -1
return dividend // divisor
概要
本文主要讲了什么是基于属性的测试以及为什么有用。此外，您快速浏览了Hypothesis库，该库使您可以编写基于属性的测试并与pytest测试一起执行。
