目录

摘要

译文内容

缺少测试用例

缺少功能

测试错误或不正确

异常处理

后续测试步骤

摘要

许多人将100％的单元测试覆盖率等同于高代码质量，但这还不够。 代码覆盖率工具仅衡量测试是否执行代码； 他们对测试的有效性没有判断力。 测试人员应审查单元测试，即使它们具有较高的覆盖率，也可以帮助改进测试或在必要时补充额外的测试。

译文内容

当开发人员进行的单元测试中100％覆盖我们的代码时，为什么需要测试人员创建测试时，测试人员为什么应审查单元测试为100％的单元测试代码覆盖率还不够。

代码覆盖率工具跟踪代码的执行情况，并提供有关该执行情况的指标。最常见的措施之一是声明覆盖率。语句覆盖率给出了已执行语句占程序中语句总数的百分比。许多组织设定了单元测试覆盖率的目标，共同的目标是80％的语句覆盖率。

开发人员为获得100％的单元测试覆盖率而感到自豪，项目团队的成员将其与拥有高质量的代码联系在一起。但是，即使测试执行了每一行代码，然后我们将代码称为“完全测试”，这也会产生误导。

100％的单元测试覆盖率并不意味着我们已经进行了良好的测试，甚至并不意味着测试已经完成。测试可能会丢失重要数据，而只能使用成功的数据进行测试，而无法测试导致失败的数据。 100％的单元测试覆盖率没有说明缺少代码，缺少错误处理或缺少要求。

测试也可能实际上没有检查代码的功能。仅执行代码而不检查其功能仍然在覆盖率指标中。

以下示例说明了仅依靠单元测试覆盖范围会导致什么问题。代码是Python，测试是使用unittest模块编写的。希望这些示例能激发测试人员检查单元测试，改进这些测试或通过功能测试来补充它们，以填补空白—即使测试覆盖率为100％。

缺少测试用例

考虑下面的函数（only_correct_data），该函数具有多个参数，执行一些数学运算并返回结果。只需一次单元测试即可实现100％的代码覆盖率，因为此函数只有一行代码：

def only_correct_data（a，b，c）：

    返回（a /（b-c））

def test_only_correct_data（self）：
   ＃仅测试可得出正确结果的数据

    self.assertEqual（only_correct_data（1,2,3），-1）
    self.assertEqual（only_correct_data（2,3,1），1）
    self.assertEqual（only_correct_data（0,2,3），0）

测试覆盖率为100％，其中三个测试用例分别覆盖负面结果，正面结果和零结果。缺少的是会导致被零除错误的测试用例。使用调用only_correct_data（2，2，2）将导致被零除的异常。为开发人员找到丢失的测试案例是改善单元测试的好方法。

复查这些单元测试并确保它们彻底的另一个好处是，测试人员可以专注于整体系统质量，用户体验和对客户的接受度。知道数学是正确的并且可以通过单元测试验证的，可以使测试人员专注于与质量相关的其他因素

缺少功能

单元测试通常会验证开发人员的意图是否正确实现，但是即使100％的代码覆盖率也并不意味着完全满足要求。

在此示例中，有一个称为“狗”的类，该类根据狗的大小返回“吠”。

狗类（对象）：

    def __init __（自身，大小）：
       如果size ==“ Large”：
           self.bark =“糟糕！”
       如果size ==“ Small”：
           self.bark =“弓哇”

def test_missing（）：
   ＃缺少对中型犬的测试

    l =狗（“大”）
    self.assertEqual（l.bark，“糟糕！”）
    s =狗（“小”）
   self.assertEqual（s.bark，“ Bow Wow”）

狗类中缺少吠叫“ Ruff”的中型狗。该代码缺少要求，并且由于在此阶段进行了额外的测试，该错误早在验收测试之前就已被发现，因此无需花费太多精力进行修复。

此示例说明了100％的代码覆盖率并不能告诉您有关丢失的代码的任何信息。单元测试将检查代码是否在工作，因为开发人员打算使代码工作，但不一定是代码满足客户要求。

测试错误或不正确

在测试过程中100％执行代码并不意味着测试实际上是好的测试，甚至根本测试不到任何东西。

def rev_string（in_string）：
   返回in_string

def test_bad_test（）：
   ＃实际上不检查代码是否正确

    self.assertIsNotNone（rev_string（“ Test String”））

在此示例中，该函数应反转字符串，但不是。即使单元测试具有100％的覆盖率，它也不会实际检查字符串是否反向。仅检查返回值是否不是“ None”。测试用例可以执行代码，而无需实际测试任何内容，仍然可以实现100％的代码覆盖率。测试人员应仔细检查这些测试的质量或创建实际验证功能的测试。

    do_nothing = rev_string（“测试字符串”）

该行将执行rev_string，但不会实际对其进行测试，仍然达到100％的覆盖率。在这些情况下，测试人员可以帮助开发人员考虑适当的方法来测试功能，以填补测试空白。

异常处理

def missing_important（a，b）：

     如果a为None：
        #handle例外
        a = 1/0＃意图错误
    回 （a + b）

def test_incomplete（self）：
    ＃未测试异常处理
    self.assertEqual（missing_important（1,2），3）

单元测试是测试异常处理的一种绝妙方法，因为开发人员可以完全控制上下文并可以注入测试错误所需的条件。 在系统级别或通过API工作的测试人员可能无法创建条件，在此示例中，变量“ a”的值为“ None”。

后续测试步骤

这些示例很简单，可以证明这些观点，当然，在实践中，单元测试也很有价值。 但是，高比例的单元测试覆盖范围并不能自动等于高质量的代码。 测试也必须有效。

仍然需要测试人员检查单元测试，以确保它们是最佳测试，使用自己的测试来改进或补充单元测试，在审查单元测试时牢记客户需求的观点，并确定哪些领域 单元测试涵盖了这些内容，可以帮助优化集成和系统测试。