Maintenant que nous avons créé des classes et travaillé sur la validation, nous disposons d’une bonne base pour commencer les tests. Le test est une partie importante du processus de développement et nous aide à garantir que notre code fonctionne comme prévu.

Comment pouvons-nous être certains que le code fonctionne correctement si nous ne le testons pas ?

Qu’est-ce que le Test d’Unité ?

Le Test d’Unité est une méthode pour tester automatiquement et systématiquement de petites parties de notre code. En Python, nous utilisons un module nommé pytest pour écrire et exécuter des tests. Une « unité » est la partie testable la plus petite d’une application, souvent une fonction ou une méthode unique. Lorsque nous utilisons pytest, il est important de suivre les conventions de nommage appropriées afin que pytest puisse trouver nos tests, par exemple en préfixant les fichiers de test avec test_, ainsi que les fonctions de test avec test_.

Exemple d’un test d’unité :

def test_add():
    assert 0.3 + 0.3 + 0.3 == 0.9

Exécutée en tapant pytest dans le terminal.

Exercice 1 - Installer pytest

Installez pytest dans votre environnement virtuel. Pour ce faire, exécutez la commande suivante dans le terminal :

pip install pytest

Exercice 2 - Créer un test

Créez un nouveau fichier dans votre dossier de projet nommé test_data.py. Dans ce fichier, vous devez créer un test pour la classe Person que vous avez créée dans le module précédent. Le test doit vérifier qu’une instance de Person peut être créée avec des valeurs valides.

Exemple d’apparence possible du test :

from main import Person

def test_person_working():
    bob_kaare = Person(name="Bob Kåre",
                       eye_color=EyeColor.BLUE,
                       phone_number=PhoneNumber("12345678"),
                       email=Email("bob_kaare@example.com"))
    assert bob_kaare.name == "Bob Kåre"
    assert bob_kaare.eye_color == EyeColor.BLUE

Ce type de test est appelé « happy path » (test du chemin principal), car nous vérifions que tout fonctionne comme prévu lorsque des valeurs valides sont fournies, et il n’est pas particulièrement utile.

Exercice 3 - Tester la validation

Créez plusieurs tests dans test_person.py pour vérifier que la validation de Email et PhoneNumber fonctionne correctement. Testez à la fois des valeurs valides et invalides. Vous devez utiliser une fonction de pytest nommée raises, qui vérifie qu’une erreur spécifique est levée.

import pytest

def test_exception():
    with pytest.raises(KeyError):
        my_dict = {"a": 1, "b": 2}
        value = my_dict["c"]  # Ceci va "lever" une KeyError

from main import Email

import pytest

def test_invalid_email():
    with pytest.raises(ValueError):
        email = Email("not-an-email")

Pourquoi faire cela ?

En disposant de bons tests pour notre code, nous pouvons être certains qu’il fonctionne comme il se doit et identifier facilement si quelque chose a mal tourné lorsque nous apportons des modifications au code. Cela est particulièrement important dans les grands projets où plusieurs développeurs collaborent et où il est facile de commettre des erreurs.

Vidéo : Pourquoi les tests protègent le code contre de nouveaux bugs

La vidéo explique pourquoi la mise en œuvre d’essais est importante et comment des essais automatisés peuvent révéler des erreurs après des modifications dans le code.

En utilisant par exemple des logiciels comme Jest ou Selenium, on peut tester automatiquement les sites Web et ainsi s’assurer que tout fonctionne correctement après chaque modification du code. Nous voulons bien sûr savoir que l‘“inscription utilisateur”, le “paiement” et la “connexion” fonctionnent comme il se doit, n’est-ce pas ?

Exercice 4 - Test automatique (CI)

Lorsque nous publions du code sur GitHub, nous pouvons configurer un outil appelé GitHub Actions qui peut exécuter nos tests automatiquement à chaque modification apportée au code. Cela s’appelle l’intégration continue (IC ou CI), et cela nous aide à garantir que notre code fonctionne toujours correctement.

Créez un fichier dans votre dossier de projet nommé .github/workflows/pytest.yml. Dans ce fichier, vous devez ajouter le code suivant :

name: Pytest

on: [push]

jobs:
  build:
    runs-on: ubuntu-latest

    steps:
    - uses: actions/checkout@v4
    - name: Set up Python
      uses: actions/setup-python@v5
      with:
        python-version: '3.11'
    - name: Install dependencies
      run: |
        python -m pip install --upgrade pip
        pip install pytest
        # Installez toutes les autres dépendances dont votre projet a besoin
        pip install -r requirements.txt
    - name: Run tests with pytest
      run: pytest

Si vous l’avez configuré correctement, vous devriez maintenant voir un nouvel onglet dans votre dépôt GitHub appelé “Actions”. Ici, vous pourrez voir que vos tests sont exécutés automatiquement chaque fois que vous apportez une modification au code, et vous serez averti si l’un des tests échoue (croix rouge et par e-mail).

Les fichiers d’Actions peuvent également être utilisés pour tester votre code sur plusieurs versions de Python ou des systèmes d’exploitation ; ils peuvent aussi servir à construire et publier automatiquement vos logiciels, par exemple publier un site web ou mettre à jour une application dans l’App Store ou Google Play.