Python如何写易测试代码？

编写易测试的Python代码，本质上是一场关于“可控性”与“可预测性”的设计实践：通过确保函数行为确定（输入相同则输出固定）、逻辑独立（剥离数据库、网络等外部依赖）、副作用可控（避免修改入参或全局状态），并借助依赖注入、纯函数设计和合理拆分粒度，让每一行业务逻辑都能被快速、精准、隔离地验证——这并非测试阶段的补救措施，而是从定义第一个函数起就该扎根于代码基因中的工程自觉。

写出可测试的代码，核心是让函数或类的行为**确定、独立、易隔离**——不依赖外部状态（如文件、网络、全局变量），输入相同则输出固定，副作用可控。

把业务逻辑和外部交互分开

数据库操作、HTTP 请求、读写文件这些容易出错且慢的操作，应该从核心逻辑中抽离出来。用参数传入“能干活的对象”，而不是在函数里直接调用 requests.get 或 open()。

• 比如处理用户数据的函数，不要自己连数据库查用户，而是接收一个 user_repo 对象，由它提供 get_user(id) 方法
• 测试时就传个模拟对象（mock），返回预设的用户字典，逻辑层完全不受数据库影响

函数尽量无副作用、只返回结果

避免修改传入的列表、字典，或改动全局配置。纯函数更容易断言、复现和并行测试。

• ❌ 不推荐：def add_item(items, new_item): items.append(new_item) —— 修改原列表，测试得先备份
• ✅ 推荐：def add_item(items, new_item): return items + [new_item] —— 输入不变，输出明确，一行就能测

用依赖注入替代硬编码依赖

类内部不要直接实例化下游服务，而是通过构造函数或方法参数接收。这样单元测试时可以轻松替换为测试替身（stub/mock/fake）。

• 例如发邮件的服务类，别在订单类里写 self.emailer = EmailService()
• 改成 def __init__(self, emailer: EmailerProtocol)，测试时传个 DummyEmailer 记录是否被调用即可

合理划分函数粒度，避免过长或过重

一个函数只做一件事，且这件事足够小。太大的函数难以覆盖所有分支，也难定位失败原因。

• 比如“提交订单”函数，拆成 validate_order()、reserve_inventory()、charge_payment() 等独立单元
• 每个子函数可单独测试边界条件：空地址、库存不足、支付超时等

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~