Ha már gondolkodtál magadban: “Hmm… melyik programozási nyelvvel kezdjem a tesztelési utamat?”. – A Python a te válaszod. De nem csak kezdőknek való! Egy nemrég a LinkedIn-en végzett felmérésemben láthattuk, hogy még a tapasztalt programozók körében is majdnem 35% szavazott arra, hogy a Python a legkedveltebb programozási nyelvük (bár nem sokkal megelőzve az örök kedvenc Java-t, amely 32%-kal a 2. helyen végzett).
A Python az évek során valóban egyre nagyobb lendületet vett mind a tesztelők, mind a fejlesztők körében, és ez a leggyorsabban növekvő programozási nyelv (ahogy az alábbi Stack Overflow Trends diagramon is láthatjuk), és mind tudjuk, mit jelent ez… Népszerűség = relevancia!
A cikk végére az a célom, hogy segítsek átlátni, milyen erős a Python programozási nyelv, és hogy melyik Python tesztelési keretrendszer illik a legjobban a projekted igényeihez.
Mi olyan nagyszerű a Pythonban a teszt automatizáláshoz?
A Python egy nyílt forráskódú programozási nyelv, amelyet először 1991-ben adtak ki azzal a szándékkal, hogy egy intuitív, egyszerű, ember által olvasható, elegáns és kevésbé áttekinthető programozási nyelvet biztosítson a munkához. És amikor tesztelésről van szó, az ilyen tulajdonságok elengedhetetlenek, különösen akkor, ha a csapatban vannak manuális tesztelők (akik nem feltétlenül rendelkeznek programozási ismeretekkel), akik most lépnek át az automatizálásba, és élvezhetik a Python gyors tanulási görbéjét, hogy gyorsan írhassanak szkripteket.
Egy csomó oka van annak, hogy a Python népszerűsége miért növekszik a teszt automatizálás területén, és miért tartják az egyik legjobb választásnak a teszt automatizáláshoz. Ezen okok között megtalálható többek között: A Python zenje (a Python tervezési filozófiájának 19 vezérelve), barátságos a kezdők számára, de erős a szakértők számára is, egyszerre objektumorientált és funkcionális, gazdag csomagkönyvtárral rendelkezik a teszteléshez, világszerte erős közösség, és még sok más! Ajánlom, hogy olvasson róla bővebben a fantasztikus AutomationPanda blogon.
A megfelelő Python tesztelési keretrendszer az Ön számára
A Python egyre szélesebb körű használatával a Python alapú tesztelési keretrendszerek népszerűsége is növekszik. Eleinte kissé zavaró lehet tudni, hogy a rengeteg eszköz közül melyiket válasszuk, mivel mindegyiknek megvannak az előnyei és hátrányai. Ettől függetlenül minden projektnek és szervezetnek más-más követelményei és korlátai vannak, így ezeket mind figyelembe kell vennünk, amikor kiválasztjuk a számunkra legmegfelelőbb eszközt. Ajánlom, hogy olvassa el ezeket a nagyszerű cikkeket arról, hogyan válasszuk ki a megfelelő eszközt:
- Hogyan válasszuk ki a megfelelő teszt automatizálási eszközt
- Hogyan válasszuk ki a legjobb eszközt – kutatási folyamat
- Kritériumok a megfelelő funkcionális tesztelési eszközök kiválasztásához
És persze – miért is léteznek pro és kontra listák, ha nem azért, hogy további útmutatást kapjunk kedvenc eszközeinkről, egy helyen! 😉 Merüljünk el tehát mélyen a 8 legjobb Python tesztelési keretrendszerben, és vizsgáljuk meg mind az előnyeiket, mind a hiányosságaikat, hogy még közelebb kerülhessünk az ideális Python tesztelési keretrendszer kiválasztásához.
A 8 legjobb Python tesztelési keretrendszer előnyei és hátrányai
- Robot Framework
- Pytest
- TestProject
- PyUnit (Unittest)
- Nose2
- Behave
- Lettuce
- Testify
- Conclusion
.
Robot Framework (RF)
A Robot Framework (RF) egy nyílt forráskódú teszt automatizálási keretrendszer az elfogadási teszteléshez, elfogadási tesztvezérelt fejlesztés (ATDD) és robotizált folyamatautomatizálás (RPA). Magja Pythonban van implementálva, de futhat Jython (a Python Java implementációja) és IronPython (Python for .NET keretrendszer) nyelven is. A futtatásához a Python 2.7.14-es vagy magasabb verzióját kell telepíteni.
Előnyei
- Kulcsszóvezérelt tesztelési (KDT) megközelítésen alapul, így könnyen készíthetünk teszteseteket ember által olvasható kulcsszavak segítségével (nem szükséges kódolási tapasztalat).
- Támogat minden operációs rendszert (Windows, Linux vagy MacOS) és minden alkalmazást (webes, mobil és asztali alkalmazások).
- Tisztán és felhasználóbarát HTML jelentési adatokat biztosít (beleértve a képernyőképeket is).
- Gazdag ökoszisztéma számos API-val, ami rendkívül bővíthető keretrendszerré teszi, és lehetővé teszi bármely más, harmadik féltől származó eszközzel való integrációt.
- Nagyszerű közösségi támogatás és online erőforrások.
Hátrányok
- A párhuzamos tesztelés alapból nem támogatott, de a Selenium Grid vagy a Pabot (egy párhuzamos végrehajtó az RF számára) segítségével megvalósítható.
- Jó és rossz esetben arra kényszerít, hogy előre meghatározott módszertan szerint dolgozzon, a kezdeti tanulási görbe egy kicsit hosszabb lehet a szokásosnál a kezdők számára
- A generikus kulcsszavak létrehozása hosszabb időt vehet igénybe, mint a kódolt tesztek írása
- Nem könnyű testreszabni a jelentéseket.
- Nincs tényleges if/else konstrukciója, de többféle módon is el lehet érni ugyanazt a hatást (ahogy a hivatalos dokumentációjukban is felfedezhető)
Lényegében: Ha olyan kulcsszóvezérelt keretmegközelítést szeretne megvalósítani, amely lehetővé teszi a kézi tesztelők és az üzleti elemzők számára az automatizálási tesztek létrehozását, akkor az RF a megoldás az Ön számára, amely számos bővítményt & könyvtárat biztosít és könnyen használható. Ha azonban összetett forgatókönyvek fejlesztésére törekszik, mivel szükség lesz néhány olyan testreszabásra, amely nincs beépítve a keretrendszerbe.
Pytest
A Pytest egy nyílt forráskódú tesztelési keretrendszer, amely talán az egyik legelterjedtebb Python tesztelési keretrendszer. A Pytest támogatja a unit tesztelést, a funkcionális tesztelést és az API tesztelést is. A futtatásához Python 3.5 vagy magasabb verzióra van szükség.
Pros
- Kompakt és egyszerű tesztkészleteket tesz lehetővé.
- Eléggé bővíthető bővítmények használatával, mint például: pytest-randomly, pytest-cov, pytest-django, pytest-bdd.
- A pytest html plugint is hozzáadhatja a projektjéhez, hogy HTML jelentéseket nyomtasson egyetlen egyszerű parancssori opcióval.
- A pytest pytest-xdist plugin segítségével párhuzamosan futtathatja a teszteket. Erről bővebben itt is olvashatsz.
- Egy nagyon nagy közösséggel rendelkezik.
- Támogatja a fixtures-t, ami segít az összes paraméterkombináció lefedésében a tesztesetek újraírása nélkül, és nagyszerű módja a lépések közötti kontextus kezelésének.
Hátrányok
- A Pytest esetében nem kulcsfontosságú a kompatibilitás, mivel bár könnyen írhatsz teszteseteket a Pytesttel, a Pytest egyedi rutinjainak használata miatt ezeket nem fogod tudni használni más tesztelési keretrendszerben.
TestProject
A TestProject 100%-ban INGYENES teljes automatizálási keretrendszer felhőjelentésekkel. A TestProject segítségével könnyen fejleszthet teszt automatizálást mobil, webes vagy általános célokra a Python nyílt forráskódú SDK segítségével. Támogatja a Python 3.6 vagy magasabb verzióját, és támogatja mind a Pytest, mind a Unittest keretrendszereket. A TestProject tartalmazza az összes szükséges függőséget az egyetlen, platformokon átívelő ügynök futtatható állomány részeként (a webinárium felvételét megnézheti a kezdéshez).
Pros
- Egyetlen ügynök futtatható állomány, amely tartalmazza az összes harmadik féltől származó könyvtárat, amely a mobil, webes és általános tesztek teszt-automatizálásának végrehajtásához és fejlesztéséhez szükséges.
- INGYENES Automatikus felhőalapú jelentések HTML/PDF formátumban (képernyőképekkel együtt).
- A végrehajtás előzményei elérhetőek RESTful API-n keresztül.
- Mindig naprakész a legújabb és stabil Selenium/Appium vezérlőverziókkal.
- Egyetlen SDK webes, Android, iOS és általános tesztekhez.
- Beépített tesztfutó és jelentési lehetőségek.
- Platformok közötti támogatás Mac, Windows, Linux és Docker számára.
- Nagy közösség és támogatás: fórum, blog és beépített élő chat.
Hátrányok
- Az ügynök egyszerre egy tesztet tud futtatni, így a párhuzamos teszteléshez Docker ügynökökre lenne szükség.
- A jelentések csak a TestProject felhőben érhetőek el, a helyi tároláshoz PDF jelentést kell letölteni vagy a RESTful API-t használni.
- A tesztek futtatásához/futtatásához az ügynöknek internetkapcsolatra van szüksége.
Végeredmény: Ha egyetlen olyan keretrendszert keres, amely végponttól végpontig lefedi a teljes automatizálási erőfeszítéseit, akkor a TestProject mindenképpen az Öné, és tökéletesen megfelel a vegyes készségű csapatoknak, a kezdőktől a tapasztalt automatizálási szakértőkig.
PyUnit (Unittest)
A PyUnit (Unittest) egy egységtesztelési keretrendszer Pythonhoz, amelyet a JUnit inspirált. Ez az alapértelmezett Python tesztelési keretrendszer, amely a Python csomaggal együtt érkezik a dobozból, és így a legtöbb fejlesztő ezzel kezdi a tesztelést.
Pros
- Mivel a szabványos Python könyvtár része, nincs szükség további modulok telepítésére – a Python csomaggal együtt érkezik a dobozból.
- Egyszerű és rugalmas tesztesetek végrehajtását kínálja.
- Gyorsan generál tesztjelentéseket, mind XML-jelentéseket, mind unittest-sml-jelentéseket.
Hátrányok
- A tesztkód szándéka néha nem egyértelmű, mivel támogatja az absztrakciót.
- Egy hatalmas mennyiségű boilerplate kódra van szükség.
- Mivel a Junit alapján a camelCase elnevezési módszer van használatban, a Python snake_case elnevezési konvenciója helyett.
Nose2
A Nose2 a Nose utódja, és lényegében a PyUnit (Unittest), de bővítményekkel. A Nose2 a PyUnit funkcionalitásán túl különböző bővítményekkel bővíti a PyUnit-ot, amelyek támogatást nyújtanak a tesztek végrehajtásához, a tesztek felfedezéséhez, dekorátorokhoz, fixtúrákhoz, paraméterezéshez stb.
Pros
- Egyszerű a használatba vétel, mivel a PyUnit (Unittest) keretrendszert bővíti, amely a Python könyvtárral együtt érkezik a dobozból.
- Egy nagyszámú beépített bővítményt tartalmaz, amelyek gyorsabbá és egyszerűbbé tehetik a tesztelést.
- Elérhetővé teszi a párhuzamos tesztelést az mp plugin segítségével.
- A teszteket automatikusan összegyűjti, amennyiben betart néhány egyszerű irányelvet a könyvtár és a tesztkód szervezésére vonatkozóan.
Hátrányok
- Kiterjedt dokumentáció hiánya, ami visszatarthat, ha csak most kezded.
- Nem olyan aktívan karbantartott, mint más keretrendszerek.
Lényegében:
Behave
A Behave az egyik legnépszerűbb Python BDD (behavior-driven development) tesztelési keretrendszer. Bár hivatalosan nem része a Cucumber projektnek, nagyon hasonlóan működik, mint a Cucumber keretrendszerek.
Pros
- Tesztes esetek írását teszi lehetővé olvasható nyelven, ami könnyű együttműködést eredményez a hasonló tulajdonságokkal rendelkező csapatok között.
- Nagy mennyiségű dokumentáció és támogatás áll rendelkezésre a kezdéshez.
- Teljesen támogatja a Gherkin nyelvet – így a funkciófájlok létrehozása nem igényel technikai tudást.
- Megvan a Django és Flask integráció.
Hátrányok
- Nincs támogatás a párhuzamos végrehajtáshoz.
- Kizárólag fekete dobozos teszteléshez.
Lényegében: Ha a csapata BDD megközelítést követ, rendelkezik korábbi BDD ismeretekkel (pl. Cucumber, SpecFlow, stb.) és fekete dobozos tesztelést keres – mindenképpen érdemes megnéznie a Behave-et. Érdemes más Python BDD keretrendszereket is felfedeznie, mint például: Pytest-bdd, Lettuce (alább ismertetjük), Radish és még sok más a Python BDD tesztelési keretrendszerek összehasonlító cikkében. Ha a fekete dobozos tesztelésnél többre van szüksége, akkor érdemes máshol keresgélnie.
Lettuce
A Lettuce egy másik Python BDD keretrendszer, és a Cucumberre épül. Python 2.7.14 vagy magasabb verziószámot igényel.
Pros
- Támogatja a Gherkin nyelvet, így a csapat nem műszaki beállítottságú tagjai is könnyen készíthetnek teszteket természetes nyelven.
- Hasonlóan a Behave-hez, leginkább fekete dobozos tesztelésre használják, de többféle tesztelésre is használható. A Lettuce például különböző szerver- és adatbázis-viselkedéseket és interakciókat tud tesztelni.
Hátrányok
- Marad más keretrendszerek funkciógazdagságából, így inkább kis projektekhez alkalmas.
- Támogatása és dokumentációja nem tűnik karbantartottnak.
- Elkötelezett kommunikációt igényel a projekt minden érintettje között: a fejlesztők, a minőségbiztosítás és a vezetők között, hogy a megvalósítás sikeres legyen.
Lényeges:
Testify
A Lettuce egy nagyszerű lehetőség az egyszerű és természetes nyelvű tesztek létrehozására a csapat minden tagja között.
Testify
A Testify a közös Unittest és Nose keretrendszerek helyettesítésére készült, és a szabványos Unittesthez képest fejlett funkciókkal rendelkezik.
Pros
- Egységtesztelésre, integrációs tesztelésre és rendszertesztelésre használható.
- Azoknak, akik ismerik a Unittestet, a Testify nagyon könnyen kezelhető.
- Kiterjedt bővítményekkel rendelkezik.
- A Nose2-hez hasonlóan a Testify lehetővé teszi a tesztek felfedezését.
- Egyszerű szintaxis a fixture módszerhez.
Hátrányok
- Kiterjedt dokumentáció hiánya, így a kezdőknek esetleg be kell fektetniük a megfelelő források felkutatásába.
- A párhuzamos tesztelés nem könnyű megvalósítani.
Végeredmény: Ha már van tapasztalata az Unittesttel, akkor elég könnyű lesz a meglévő tesztjeit a Testify-hoz igazítani, így mindenképpen érdemes megnézni.
Következtetés
Végére értünk ennek a python tesztelési keretrendszer összehasonlító listának, és most itt az ideje, hogy kiválassza azt, amelyik a leginkább megfelel az igényeinek.
Szeretné inkább a BDD megközelítést? Egységtesztelést szeretne elérni, vagy inkább funkcionális tesztelést? A csapata rendelkezik technikai vagy kódolási tapasztalattal, vagy többnyire kezdőkből áll? Ezeket a kérdéseket és még sok mást is figyelembe kell vennie, amikor megpróbál döntést hozni. A fenti keretrendszerek mindegyikének megvannak az előnyei és a hátrányai is, és nincs olyan, hogy jó vagy rossz, hanem inkább megfelelő. Megfelelő a saját igényeinek és termékkövetelményeinek.
Remélem, ez a cikk nem csak abban tudott segíteni, hogy megértse, milyen nagyszerű a Python az automatizálási teszteléshez, hanem abban is, hogy segítsen az egyszerű Python-teszteléshez vezető úton!