Linux中國

用 Python 測試 API 的 3 種方式

258 views0
By
Share

在這個教程中，你將學到如何對執行 HTTP 請求代碼的進行單元測試。也就是說，你將看到用 Python 對 API 進行單元測試的藝術。

單元測試是指對單個行為的測試。在測試中，一個眾所周知的經驗法則就是隔離那些需要外部依賴的代碼。

比如，當測試一段執行 HTTP 請求的代碼時，建議在測試過程中，把真正的調用替換成一個假的的調用。這種情況下，每次運行測試的時候，就可以對它進行單元測試，而不需要執行一個真正的 HTTP 請求。

問題就是，怎樣才能隔離這些代碼？

這就是我希望在這篇博文中回答的問題！我不僅會向你展示如果去做，而且也會權衡不同方法之間的優點和缺點。

要求：

使用一個天氣狀況 REST API 的演示程序

為了更好的解決這個問題，假設你正在創建一個天氣狀況的應用。這個應用使用第三方天氣狀況 REST API 來檢索一個城市的天氣信息。其中一個需求是生成一個簡單的 HTML 頁面，像下面這個圖片：

web page displaying London weather

倫敦的天氣，OpenWeatherMap。圖片是作者自己製作的。

為了獲得天氣的信息，必須得去某個地方找。幸運的是，通過 OpenWeatherMap 的 REST API 服務，可以獲得一切需要的信息。

好的，很棒，但是我該怎麼用呢？

通過發送一個 GET 請求到：https://api.openweathermap.org/data/2.5/weather?q={city_name}&appid={api_key}&units=metric，就可以獲得你所需要的所有東西。在這個教程中，我會把城市名字設置成一個參數，並確定使用公制單位。

檢索數據

使用 requests 模塊來檢索天氣數據。你可以創建一個接收城市名字作為參數的函數，然後返回一個 JSON。JSON 包含溫度、天氣狀況的描述、日出和日落時間等數據。

下面的例子演示了這樣一個函數：

def find_weather_for(city: str) -> dict:
    """Queries the weather API and returns the weather data for a particular city."""
    url = API.format(city_name=city, api_key=API_KEY)
    resp = requests.get(url)
    return resp.json()

這個 URL 是由兩個全局變數構成：

BASE_URL = "https://api.openweathermap.org/data/2.5/weather"
API = BASE_URL + "?q={city_name}&appid={api_key}&units=metric"

API 以這個格式返回了一個 JSON：

{
  "coord": {
    "lon": -0.13,
    "lat": 51.51
  },
  "weather": [
    {
      "id": 800,
      "main": "Clear",
      "description": "clear sky",
      "icon": "01d"
    }
  ],
  "base": "stations",
  "main": {
    "temp": 16.53,
    "feels_like": 15.52,
    "temp_min": 15,
    "temp_max": 17.78,
    "pressure": 1023,
    "humidity": 72
  },
  "visibility": 10000,
  "wind": {
    "speed": 2.1,
    "deg": 40
  },
  "clouds": {
    "all": 0
  },
  "dt": 1600420164,
  "sys": {
    "type": 1,
    "id": 1414,
    "country": "GB",
    "sunrise": 1600407646,
    "sunset": 1600452509
  },
  "timezone": 3600,
  "id": 2643743,
  "name": "London",
  "cod": 200

當調用 resp.json() 的時候，數據是以 Python 字典的形式返回的。為了封裝所有細節，可以用 dataclass 來表示它們。這個類有一個工廠方法，可以獲得這個字典並且返回一個 WeatherInfo 實例。

這種辦法很好，因為可以保持這種表示方法的穩定。比如，如果 API 改變了 JSON 的結構，就可以在同一個地方（from_dict 方法中）修改邏輯。其他代碼不會受影響。你也可以從不同的源獲得信息，然後把它們都整合到 from_dict 方法中。

@dataclass
class WeatherInfo:
    temp: float
    sunset: str
    sunrise: str
    temp_min: float
    temp_max: float
    desc: str

    @classmethod
    def from_dict(cls, data: dict) -> "WeatherInfo":
        return cls(
            temp=data["main"]["temp"],
            temp_min=data["main"]["temp_min"],
            temp_max=data["main"]["temp_max"],
            desc=data["weather"][0]["main"],
            sunset=format_date(data["sys"]["sunset"]),
            sunrise=format_date(data["sys"]["sunrise"]),
        )

現在來創建一個叫做 retrieve_weather 的函數。使用這個函數調用 API，然後返回一個 WeatherInfo，這樣就可創建你自己的 HTML 頁面。

def retrieve_weather(city: str) -> WeatherInfo:
    """Finds the weather for a city and returns a WeatherInfo instance."""
    data = find_weather_for(city)
    return WeatherInfo.from_dict(data)

很好，我們的 app 現在有一些基礎了。在繼續之前，對這些函數進行單元測試。

1、使用 mock 測試 API

根據維基百科， 模擬對象 mock object 是通過模模擬實對象來模擬它行為的一個對象。在 Python 中，你可以使用 unittest.mock 庫來 模擬 mock 任何對象，這個庫是標準庫中的一部分。為了測試 retrieve_weather 函數，可以模擬 requests.get，然後返回靜態數據。

pytest-mock

在這個教程中，會使用 pytest 作為測試框架。通過插件，pytest 庫是非常具有擴展性的。為了完成我們的模擬目標，要用 pytest-mock。這個插件抽象化了大量 unittest.mock 中的設置，也會讓你的代碼更簡潔。如果你感興趣的話，我在 另一篇博文中 會有更多的討論。

好的，言歸正傳，現在看代碼。

下面是一個 retrieve_weather 函數的完整測試用例。這個測試使用了兩個 fixture：一個是由 pytest-mock 插件提供的 mocker fixture, 還有一個是我們自己的。就是從之前請求中保存的靜態數據。

@pytest.fixture()
def fake_weather_info():
    """Fixture that returns a static weather data."""
    with open("tests/resources/weather.json") as f:
        return json.load(f)

def test_retrieve_weather_using_mocks(mocker, fake_weather_info):
    """Given a city name, test that a HTML report about the weather is generated
    correctly."""
    # Creates a fake requests response object
    fake_resp = mocker.Mock()
    # Mock the json method to return the static weather data
    fake_resp.json = mocker.Mock(return_value=fake_weather_info)
    # Mock the status code
    fake_resp.status_code = HTTPStatus.OK

    mocker.patch("weather_app.requests.get", return_value=fake_resp)

    weather_info = retrieve_weather(city="London")
    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

如果運行這個測試，會獲得下面的輸出：

============================= test session starts ==============================
...[omitted]...
tests/test_weather_app.py::test_retrieve_weather_using_mocks PASSED      [100%]
============================== 1 passed in 0.20s ===============================
Process finished with exit code 0

很好，測試通過了！但是...生活並非一帆風順。這個測試有優點，也有缺點。現在來看一下。

優點

好的，有一個之前討論過的優點就是，通過模擬 API 的返回值，測試變得簡單了。將通信和 API 隔離，這樣測試就可以預測了。這樣總會返回你需要的東西。

缺點

對於缺點，問題就是，如果不再想用 requests 了，並且決定回到標準庫的 urllib，怎麼辦。每次改變 find_weather_for 的代碼，都得去適配測試。好的測試是，當你修改代碼實現的時候，測試時不需要改變的。所以，通過模擬，你最終把測試和實現耦合在了一起。

而且，另一個不好的方面是你需要在調用函數之前進行大量設置——至少是三行代碼。

...
    # Creates a fake requests response object
    fake_resp = mocker.Mock()
    # Mock the json method to return the static weather data
    fake_resp.json = mocker.Mock(return_value=fake_weather_info)
    # Mock the status code
    fake_resp.status_code = HTTPStatus.OK
...

我可以做的更好嗎？

是的，請繼續看。我現在看看怎麼改進一點。

使用 responses

用 mocker 功能模擬 requests 有點問題，就是有很多設置。避免這個問題的一個好辦法就是使用一個庫，可以攔截 requests 調用並且給它們 打補丁 patch 。有不止一個庫可以做這件事，但是對我來說最簡單的是 responses。我們來看一下怎麼用，並且替換 mock。

@responses.activate
def test_retrieve_weather_using_responses(fake_weather_info):
    """Given a city name, test that a HTML report about the weather is generated
    correctly."""
    api_uri = API.format(city_name="London", api_key=API_KEY)
    responses.add(responses.GET, api_uri, json=fake_weather_info, status=HTTPStatus.OK)

    weather_info = retrieve_weather(city="London")
    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

這個函數再次使用了我們的 fake_weather_info fixture。

然後運行測試：

============================= test session starts ==============================
...
tests/test_weather_app.py::test_retrieve_weather_using_responses PASSED  [100%]
============================== 1 passed in 0.19s ===============================

非常好！測試也通過了。但是...並不是那麼棒。

優點

使用諸如 responses 這樣的庫，好的方面就是不需要再給 requests 打補丁 patch 。通過將這層抽象交給庫，可以減少一些設置。然而，如果你沒注意到的話，還是有一些問題。

缺點

和 unittest.mock 很像，測試和實現再一次耦合了。如果替換 requests，測試就不能用了。

2、使用適配器測試 API

如果用模擬讓測試耦合了，我能做什麼？

設想下面的場景：假如說你不能再用 requests 了，而且必須要用 urllib 替換，因為這是 Python 自帶的。不僅僅是這樣，你了解了不要把測試代碼和實現耦合，並且你想今後都避免這種情況。你想替換 urllib，也不想重寫測試了。

事實證明，你可以抽象出執行 GET 請求的代碼。

真的嗎？怎麼做？

可以使用 適配器 adapter 來抽象它。適配器是一種用來封裝其他類的介面，並作為新介面暴露出來的一種設計模式。用這種方式，就可以修改適配器而不需要修改代碼了。比如，在 find_weather_for 函數中，封裝關於 requests 的所有細節，然後把這部分暴露給只接受 URL 的函數。

所以，這個：

def find_weather_for(city: str) -> dict:
    """Queries the weather API and returns the weather data for a particular city."""
    url = API.format(city_name=city, api_key=API_KEY)
    resp = requests.get(url)
    return resp.json()

變成這樣：

def find_weather_for(city: str) -> dict:
    """Queries the weather API and returns the weather data for a particular city."""
    url = API.format(city_name=city, api_key=API_KEY)
    return adapter(url)

然後適配器變成這樣：

def requests_adapter(url: str) -> dict:
    resp = requests.get(url)
    return resp.json()

現在到了重構 retrieve_weather 函數的時候：

def retrieve_weather(city: str) -> WeatherInfo:
    """Finds the weather for a city and returns a WeatherInfo instance."""
    data = find_weather_for(city, adapter=requests_adapter)
    return WeatherInfo.from_dict(data)

所以，如果你決定改為使用 urllib 的實現，只要換一下適配器：

def urllib_adapter(url: str) -> dict:
    """An adapter that encapsulates urllib.urlopen"""
    with urllib.request.urlopen(url) as response:
        resp = response.read()
    return json.loads(resp)

def retrieve_weather(city: str) -> WeatherInfo:
    """Finds the weather for a city and returns a WeatherInfo instance."""
    data = find_weather_for(city, adapter=urllib_adapter)
    return WeatherInfo.from_dict(data)

好的，那測試怎麼做？

為了測試 retrieve_weather, 只要創建一個在測試過程中使用的假的適配器：

@responses.activate
def test_retrieve_weather_using_adapter(
    fake_weather_info,
):
    def fake_adapter(url: str):
        return fake_weather_info

    weather_info = retrieve_weather(city="London", adapter=fake_adapter)
    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

如果運行測試，會獲得：

============================= test session starts ==============================
tests/test_weather_app.py::test_retrieve_weather_using_adapter PASSED    [100%]
============================== 1 passed in 0.22s ===============================

優點

這個方法的優點是可以成功將測試和實現解耦。使用 依賴注入 dependency injection 在測試期間注入一個假的適配器。你也可以在任何時候更換適配器，包括在運行時。這些事情都不會改變任何行為。

缺點

缺點就是，因為你在測試中用了假的適配器，如果在實現中往適配器中引入了一個 bug，測試的時候就不會發現。比如說，往 requests 傳入了一個有問題的參數，像這樣：

def requests_adapter(url: str) -> dict:
    resp = requests.get(url, headers=<some broken headers>)
    return resp.json()

在生產環境中，適配器會有問題，而且單元測試沒辦法發現。但是事實是，之前的方法也會有同樣的問題。這就是為什麼不僅要單元測試，並且總是要集成測試。也就是說，要考慮另一個選項。

3、使用 VCR.py 測試 API

現在終於到了討論我們最後一個選項了。誠實地說，我也是最近才發現這個。我用 模擬 mock 也很長時間了，而且總是有一些問題。VCR.py 是一個庫，它可以簡化很多 HTTP 請求的測試。

它的工作原理是將第一次運行測試的 HTTP 交互記錄為一個 YAML 文件，叫做 cassette。請求和響應都會被序列化。當第二次運行測試的時候，VCT.py 將攔截對請求的調用，並且返回一個響應。

現在看一下下面如何使用 VCR.py 測試 retrieve_weather：

@vcr.use_cassette()
def test_retrieve_weather_using_vcr(fake_weather_info):
    weather_info = retrieve_weather(city="London")
    assert weather_info == WeatherInfo.from_dict(fake_weather_info)

天吶，就這樣？沒有設置？@vcr.use_cassette() 是什麼？

是的，就這樣！沒有設置，只要一個 pytest 標註告訴 VCR 去攔截調用，然後保存 cassette 文件。

cassette 文件是什麼樣？

好問題。這個文件里有很多東西。這是因為 VCR 保存了交互中的所有細節。

interactions:
- request:
    body: null
    headers:
      Accept:
      - &apos;*/*&apos;
      Accept-Encoding:
      - gzip, deflate
      Connection:
      - keep-alive
      User-Agent:
      - python-requests/2.24.0
    method: GET
    uri: https://api.openweathermap.org/data/2.5/weather?q=London&appid=<YOUR API KEY HERE>&units=metric
  response:
    body:
      string: &apos;{"coord":{"lon":-0.13,"lat":51.51},"weather":[{"id":800,"main":"Clear","description":"clearsky","icon":"01d"}],"base":"stations","main":{"temp":16.53,"feels_like":15.52,"temp_min":15,"temp_max":17.78,"pressure":1023,"humidity":72},"visibility":10000,"wind":{"speed":2.1,"deg":40},"clouds":{"all":0},"dt":1600420164,"sys":{"type":1,"id":1414,"country":"GB","sunrise":1600407646,"sunset":1600452509},"timezone":3600,"id":2643743,"name":"London","cod":200}&apos;
    headers:
      Access-Control-Allow-Credentials:
      - &apos;true&apos;
      Access-Control-Allow-Methods:
      - GET, POST
      Access-Control-Allow-Origin:
      - &apos;*&apos;
      Connection:
      - keep-alive
      Content-Length:
      - &apos;454&apos;
      Content-Type:
      - application/json; charset=utf-8
      Date:
      - Fri, 18 Sep 2020 10:53:25 GMT
      Server:
      - openresty
      X-Cache-Key:
      - /data/2.5/weather?q=london&units=metric
    status:
      code: 200
      message: OK
version: 1

確實很多！

真的！好的方面就是你不需要留意它。VCR.py 會為你安排好一切。

優點

現在看一下優點，我可以至少列出五個：

  • 沒有設置代碼。
  • 測試仍然是分離的，所以很快。
  • 測試是確定的。
  • 如果你改了請求，比如說用了錯誤的 header，測試會失敗。
  • 沒有與代碼實現耦合，所以你可以換適配器，而且測試會通過。唯一有關係的東西就是請求必須是一樣的。

缺點

再與模擬相比較，除了避免了錯誤，還是有一些問題。

如果 API 提供者出於某種原因修改了數據格式，測試仍然會通過。幸運的是，這種情況並不經常發生，而且在這種重大改變之前，API 提供者通常會給他們的 API 提供不同版本。

另一個需要考慮的事情是 就地 in place 端到端 end-to-end 測試。每次伺服器運行的時候，這些測試都會調用。顧名思義，這是一個範圍更廣、更慢的測試。它們會比單元測試覆蓋更多。事實上，並不是每個項目都需要使用它們。所以，就我看來，VCR.py 對於大多數人的需求來說都綽綽有餘。

總結

就這麼多了。我希望今天你了解了一些有用的東西。測試 API 客戶端應用可能會有點嚇人。然而，當武裝了合適的工具和知識，你就可以馴服這個野獸。

在 我的 Github 上可以找到這個完整的應用。

這篇文章最早發表在 作者的個人博客，授權轉載

via: https://opensource.com/article/21/9/unit-test-python

作者：Miguel Brito 選題：lujun9972 譯者：Yufei-Yan 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive

對這篇文章感覺如何？

太棒了
0
不錯
0
愛死了
0
不太好
0
感覺很糟
0
雨落清風。心向陽
    Previous
    Next

    You may also like

    Leave a reply

    您的電子郵箱地址不會被公開。 必填項已用 * 標註

    此站點使用Akismet來減少垃圾評論。了解我們如何處理您的評論數據。

    More in:Linux中國