gopl-zh.github.com/ch11/ch11-02-1.md

50 lines
2.5 KiB
Markdown
Raw Normal View History

2015-12-09 07:45:11 +00:00
### 11.2.1. 隨機測試
2016-01-21 06:46:10 +00:00
表格驅動的測試便於構造基於精心挑選的測試數據的測試用例。另一種測試思路是隨機測試,也就是通過構造更廣泛的隨機輸入來測試探索函數的行爲。
2015-12-12 08:44:04 +00:00
2016-01-21 06:46:10 +00:00
那麽對於一個隨機的輸入,我們如何能知道希望的輸出結果呢?這里有兩種處理策略。第一個是編寫另一個對照函數,使用簡單和清晰的算法,雖然效率較低但是行爲和要測試的函數是一致的,然後針對相同的隨機輸入檢査兩者的輸出結果。第二種是生成的隨機輸入的數據遵循特定的模式,這樣我們就可以知道期望的輸出的模式。
2015-12-12 08:44:04 +00:00
2016-01-21 06:46:10 +00:00
下面的例子使用的是第二種方法randomPalindrome函數用於隨機生成迴文字符串。
2015-12-12 08:44:04 +00:00
```Go
import "math/rand"
// randomPalindrome returns a palindrome whose length and contents
// are derived from the pseudo-random number generator rng.
func randomPalindrome(rng *rand.Rand) string {
n := rng.Intn(25) // random length up to 24
runes := make([]rune, n)
for i := 0; i < (n+1)/2; i++ {
r := rune(rng.Intn(0x1000)) // random rune up to '\u0999'
runes[i] = r
runes[n-1-i] = r
}
return string(runes)
}
func TestRandomPalindromes(t *testing.T) {
// Initialize a pseudo-random number generator.
seed := time.Now().UTC().UnixNano()
t.Logf("Random seed: %d", seed)
rng := rand.New(rand.NewSource(seed))
for i := 0; i < 1000; i++ {
p := randomPalindrome(rng)
if !IsPalindrome(p) {
t.Errorf("IsPalindrome(%q) = false", p)
}
}
}
```
2016-01-21 06:46:10 +00:00
雖然隨機測試會有不確定因素但是它也是至關重要的我們可以從失敗測試的日誌獲取足夠的信息。在我們的例子中輸入IsPalindrome的p參數將告訴我們眞實的數據但是對於函數將接受更複雜的輸入不需要保存所有的輸入隻要日誌中簡單地記録隨機數種子卽可像上面的方式。有了這些隨機數初始化種子我們可以很容易脩改測試代碼以重現失敗的隨機測試。
2015-12-12 08:44:04 +00:00
2016-01-21 06:46:10 +00:00
通過使用當前時間作爲隨機種子,在整個過程中的每次運行測試命令時都將探索新的隨機數據。如果你使用的是定期運行的自動化測試集成繫統,隨機測試將特别有價值。
2015-12-12 08:44:04 +00:00
2016-01-21 06:46:10 +00:00
**練習 11.3:** TestRandomPalindromes測試函數隻測試了迴文字符串。編寫新的隨機測試生成器用於測試隨機生成的非迴文字符串。
2015-12-12 08:44:04 +00:00
2016-01-21 06:46:10 +00:00
**練習 11.4:** 脩改randomPalindrome函數以探索IsPalindrome是否對標點和空格做了正確處理。
2015-12-12 08:44:04 +00:00