使用python-hypothesis处理断言/异常

问题描述

使用hypothesis库针对程序代码中的断言进行基于属性的测试时，什么是最佳实践？

我创建了一个非常简单的函数来说明我的观点。该函数简单地将两个数字相除。我提出一个断言，如果分母为零，该断言将失败。

运行测试时，由于断言错误，hypothesis为参数0（分母）选择b作为参数from hypothesis import given from hypothesis import strategies as st def divide(a: float,b: float) -> float: assert b != 0,"Denominator must not be zero!" return a / b @given(b=st.floats()) def test_divide(b): assert isinstance(divide(100,b),(int,float)) 时，测试失败。但是，该函数中的断言旨在处理这种特殊情况。

b=0

我应该如何调整代码以使参数值@given(b=st.floats()) def test_divide(b): try: assert isinstance(divide(100,float)) except AssertionError: assume(False) 通过测试？什么是pythonic方式？

编辑：
我认为，建议的重复问题（Exception handling and testing with pytest and hypothesis）不能解决问题。

如果我使用以下代码会怎样？

try

据我了解，一旦False块中的断言为except，将执行hypothesis-path并将忽略特定的测试用例。也就是说，所有实际的测试失败（由divide发现）都将被忽略。

与建议的重复问题相比，我的AssertionError函数将为ZeroDivisionError抛出b=0而不是AssertionError。其他所有失败的测试用例也会导致try（{{1}}块）。

解决方法

@given(b=st.floats())
def test_divide(b):
    assume(b != 0)
    assert isinstance(divide(100,b),(int,float))

假设告诉假设b == 0是一个不好的例子，而忽略它。

请记住，使用浮动策略，您还将获得Nan和-Nan-您可以使用allow_infinity=False在策略中禁用它。修改策略后，还可以添加min_value=1或min_value=0.00000001以防止0