Как проверить работоспособность кода?

# Как проверить работоспособность кода?

Проверка работоспособности кода — это критически важный этап разработки. Давайте разберём комплексный подход к тестированию и валидации.

Виды тестирования

Unit-тесты

Unit-тесты проверяют отдельные функции и компоненты изолированно. Это фундамент надёжного кода.

import unittest

class TestCalculator(unittest.TestCase):
    def test_addition(self):
        result = add(2, 3)
        self.assertEqual(result, 5)
    
    def test_division_by_zero(self):
        with self.assertRaises(ValueError):
            divide(10, 0)

Integration-тесты

Проверяют взаимодействие разных компонентов, например работу с БД или API.

def test_user_creation_and_retrieval():
    user = User.create(name="John", email="john@example.com")
    retrieved = User.get_by_id(user.id)
    assert retrieved.name == "John"

End-to-End тесты

Проверяют полный сценарий работы приложения от начала до конца.

def test_registration_flow():
    # Пользователь заходит на сайт
    browser.get("http://localhost:8000")
    # Заполняет форму
    browser.find_element("name").send_keys("John")
    # И т.д.

Инструменты тестирования

pytest — наиболее современный и удобный фреймворк. Вот пример структуры:

def test_valid_input():
    """Тест с говорящим названием"""
    assert process_data({"key": "value"}) == {"processed": True}

def test_invalid_input():
    """Проверяем обработку ошибок"""
    with pytest.raises(ValueError, match="Invalid"):
        process_data(None)

Статический анализ кода

Кроме тестов, используй инструменты статического анализа:

• linting (flake8, pylint) — поиск синтаксических ошибок и нарушений стиля
• type checking (mypy) — проверка типов
• code coverage — процент покрытия кода тестами (goal > 80%)

# Запуск pytest с coverage
pytest --cov=src --cov-report=html

# Проверка типов
mypy src/

# Linting
flake8 src/

Automated Testing в CI/CD

Всегда настраивай автоматическое тестирование при каждом коммите:

# .github/workflows/tests.yml
name: Tests
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - uses: actions/setup-python@v2
      - run: pip install -r requirements.txt
      - run: pytest --cov

Практический подход

1. Пиши тесты ДО кода (TDD) — это гарантирует качество
2. Проверяй граничные случаи — null, пустые значения, отрицательные числа
3. Тестируй ошибки — убедись, что код правильно обрабатывает исключения
4. Регулярно запускай полный набор тестов перед коммитом
5. Используй профилировщики (cProfile, memory_profiler) для проверки производительности

Заключение

Проверка работоспособности кода — это не одномоментный процесс, а постоянная практика. Комбинация unit-тестов, integration-тестов, статического анализа и CI/CD пайплайна обеспечивает уверенность в качестве и надёжности кода.