Testen und TDD in Python- Unit-Tests, Mocking und Best Practices

Testen und TDD in Python: Unit-Tests, Mocking und Best Practices

Ein praxisorientierter Leitfaden zur automatisierten Qualitätssicherung mit unittest, pytest und testgetriebener Entwicklung

Inhaltsverzeichnis

Kapitel 1: Warum testen? Grundlagen automatisierter Tests

• Unterschied zwischen manuellen und automatisierten Tests
• Vorteile von Unit-Tests in der Softwareentwicklung
• Das Testpyramiden-Modell
• Einführung in Test-Driven Development (TDD)

Kapitel 2: Erste Schritte mit unittest

• Aufbau von Testklassen
• Wichtige Assertions (assertEqual, assertTrue, assertRaises etc.)
• Tests ausführen mit CLI und IDE
• Mini-Projekt: Einfache Funktion mit Tests absichern

Kapitel 3: Teststruktur und Testabdeckung verbessern

• setUp() und tearDown() für gemeinsame Vorbereitung
• Testmodule und Namenskonventionen
• Testabdeckung messen mit coverage.py
• Mini-Projekt: Code refaktorisieren und Abdeckung prüfen

Kapitel 4: Einführung in pytest

• pytest vs. unittest
• Fixtures, parametrisiertes Testen
• Plugins und Features
• Mini-Projekt: Datentransformation mit pytest absichern

Kapitel 5: Testgetriebene Entwicklung in der Praxis

• Red → Green → Refactor: der TDD-Zyklus
• Anforderungen in Tests übersetzen
• Praktisches Beispiel: Entwicklung eines Taschenrechners per TDD
• Tipps für langfristig sauberen Code

Kapitel 6: Mocking und Isolation von Abhängigkeiten

• Warum Mocks?
• unittest.mock verwenden: patch(), MagicMock, Mock()
• Methodenaufrufe und Rückgabewerte simulieren
• Mini-Projekt: Externe API mit Mock ersetzen

Kapitel 7: Fehlerbehandlung und Testszenarien

• Tests für Ausnahmen, ungültige Eingaben, Sonderfälle
• Randfälle gezielt testen
• Mini-Projekt: Benutzerregistrierung mit robuster Prüfung

Kapitel 8: Integrationstests und systemübergreifendes Testen

• Datenbanktests, Dateioperationen, Netzwerkverbindungen
• Testumgebung aufsetzen
• Mini-Projekt: REST-API-Tests mit requests und Testdatenbank

Kapitel 9: Testautomatisierung und CI/CD

• Tests automatisiert in Pipelines ausführen (GitHub Actions, GitLab CI, etc.)
• Fehler schneller erkennen
• Codequalität dauerhaft sichern
• Beispiel: .yml-Konfiguration für CI mit pytest

Kapitel 10: Best Practices für nachhaltiges Testen

• Lesbare, wartbare Tests schreiben
• Keine Logik im Test
• Tests als Dokumentation und Sicherheitsnetz
• Empfehlungen für kleine und große Projekte

Anhang A: Übersicht der wichtigsten unittest- und pytest-Funktionen

• Kompaktreferenz mit Syntax und Beispielen

Anhang B: Typische Testfehler und wie man sie vermeidet

• Flaky Tests, versteckte Abhängigkeiten, unklare Fehlermeldungen
• Anti-Patterns im Testcode

Anhang C: Übungsaufgaben mit Lösungen

• Unit-Test für mathematische Funktionen
• Mocking von Datei- und Netzwerkkontakt
• TDD für kleine Funktionen und Klassen
• Ausführlich kommentierte Lösungen