NUnit"理论"假设是否应包括算法细节

Question

假设我想将我的NUnit参数化测试方法改为理论.就理论而言,它们应该定义断言将通过的所有假设/先决条件.根据NUnit文档:

[将理论与参数化测试进行比较]另一方面,理论作出一般性陈述,即所有断言都将通过满足某些假设的所有论证.

但据我了解,这意味着被调用的PUT代码应基本上转化为假设.完全.

那么理论有什么意义呢？因为我们的算法会写两次.首先是可测试代码,其次是理论假设.因此,如果我们在算法中引入错误,我们的代码和测试可能会有相同的错误.那有什么意义呢？

更好理解的例子

假设我们有一个只支持数字的校验和方法,我们想用理论测试它.我们来写一个理论:

static Regex rx = new Regex(@"^\d+$", RegexOptions.Compiled);

[Theory]
public void ChecksumTheory(string value)
{
    Assume.That(!string.IsNotNullOrWhiteSpace(value));
    Assume.That(value.Length > 1); // one single number + checksum = same number twice
    Assume.That(rx.IsMatch(value));

    var cc = new ChecksumValidator();

    bool result = cc.ValidateValue(value);

    Assert.IsTrue(result); // not really as algorithm assumptions are missing
}

这是一个非常好的理论,除了没有实际实现测试的代码算法并将其表达为一组假设,其断言仍然不会通过,因为没有明确的算法假设我们无法知道验证的结果是什么.

附加信息

当我们只需要对输入状态提供假设,即检查特定值是否正确设置或它们的组合是否相关时,理论似乎相当简单和简洁:

[Theory]
public void Person_ValidateState(Person input)
{
    Assume.That(input.Age < 110);
    Assume.That(input.Birth < input.Death || input.Death == null);
    ...
}

问题

1. 如果需要为所有断言提供足够的假设,为什么要编写单元测试理论呢？
2. 如果我们不想通过提供所有算法假设来重新发明轮子,我们如何提供正确的假设？
3. 如果情况并非如此,我应该如何重写我的理论,使其成为NUnit理论的一个很好的例子？
4. 无论如何,测试理论的预期用途(由他们的创作者)是什么？

Answer 1

理论与参数化测试

我还旨在在测试中引入假设，而不是使用参数化测试。但由于类似的想法，我仍然没有开始。

假设的目标是通过应用过滤器将给定输入描述为不可数（或者说庞大但完整）值集的子集。通过这个，你上面的代码是绝对正确的，但是在这种情况下，你必须编写几个类似的测试来进行负面结果测试 - 例如。当 的结果cc.ValidateValue(...)是时false。再次 - 为了便于理解 - 我仍然会依赖于精心挑选的参数来对这个简单函数进行参数化测试。

另一方面，假设对于测试更复杂的业务逻辑可能有用。想象一下，您有一个装满豪华汽车的车库，并且您想在一些偏远的地形上粉碎汽油 - 另外，让我们想象这是一个业务需求，因此您需要为其编写测试（这将是多么酷！）。然后你可以编写这样的测试：

[Theory]
public void CarCanDriveOnMuddyGround(Car car)
{
    Assume.That(car.IsFourWheelDrive);
    Assume.That(car.HasMotor);
    Assume.That(car.MaxSpeed > 50);
    Assume.That(car.Color != "white");

    bool result = car.DriveWithGivenSpeedOn<MuddyGround>(50);

    Assert.IsTrue(result);
}

看看这与 BDD 方法有何密切关系？和你一样，我也不太相信使用简单单元测试的假设。但我确信根据不同的测试级别（单元、集成、系统、用户接受程度）使用不同的测试功能方法（参数化、断言）是个好主意。

关于假设中的算法细节

再次考虑一下你的具体问题。现在我明白你的意思了。用我的话来说：您需要假设给定的值会给出积极的结果，然后才能断言它会给出积极的结果。正确的？我认为你找到了一个很好的例子来解释为什么理论并不总是有效。

无论如何，我尝试用一​​个稍微简单的示例来解决它（为了可读性）。但我承认这不太有说服力：

public class TheoryTests
{
    [Datapoints]
    public string[] InvalidValues = new[] { null, string.Empty };

    [Datapoints]
    public string[] PositiveValues = new[] { "good" };

    [Datapoints]
    public string[] NegativeValues = new[] { "Bad" };

    private bool FunctionUnderTest(string value)
    {
        return value.ToLower().Equals(value);
    }

    [Theory]
    public void PositiveTest(string value)
    {
        Assume.That(!string.IsNullOrEmpty(value));

        var result = FunctionUnderTest(value);

        Assert.True(result);
    }

    [Theory]
    public void PassingPositiveTest(string value)
    {
        Assume.That(!string.IsNullOrEmpty(value));
        Assume.That(!NegativeValues.Contains(value));

        var result = FunctionUnderTest(value);

        Assert.True(result);
    }
}

PositiveTest显然会失败，因为缺少算法假设。请参阅正文中的第二行，PassingPositiveTest它可以防止测试失败。当然，缺点是这实际上是基于示例的测试，而不是纯粹基于理论的测试。欢迎更好的想法。