Guia Prático de Testes Automatizados¶

Este guia ensina como escrever testes unitários para a classe Article, medir cobertura de código e automatizar testes de forma prática usando Python e pytest.

1. Por que testar¶

Testes automatizados garantem que o código funciona corretamente e ajudam a prevenir bugs. Eles facilitam a refatoração do código e servem como documentação viva, mostrando como cada função ou classe deve se comportar. Para serem eficazes, os testes devem ser rápidos, isolados, repetíveis e auto-validados, ou seja, devem informar se passaram ou falharam sem intervenção manual.

2. Tipos de testes¶

Existem três tipos principais de testes que podem ser aplicados a um projeto:

Testes Unitários: Testam funções ou métodos isolados, sem depender de outras partes do sistema. Mocks podem ser usados para simular dependências externas, como APIs ou banco de dados. São rápidos, baratos e fáceis de manter.
Testes de Integração: Verificam se diferentes módulos do sistema funcionam bem juntos, por exemplo, se a API consegue se comunicar com o banco de dados ou com outra API externa.
Testes End-to-End (E2E): Simulam o fluxo completo do usuário, desde a interface até o banco de dados e de volta. São mais lentos e frágeis, então devem ser usados apenas para os fluxos mais críticos.

3. Estrutura do projeto¶

Uma organização mínima para o projeto seria:

app/models/article.py: classe Article.
tests/test_article.py: testes unitários do Article.
pytest.ini: configuração do pytest.

Exemplo de arquivo pytest.ini:

[pytest]
pythonpath = .
testpaths = tests
python_files = test_*.py

4. Instalação das dependências¶

Para instalar pytest e o plugin de cobertura, execute:

python -m pip install pytest pytest-cov

5. Criando testes unitários para Article¶

Você pode criar testes que validem a criação de objetos Article e seus atributos. Use o recurso de parametrização do pytest para testar múltiplos casos automaticamente.

Exemplo:

import pytest
from app.models.article import Article

test_articles = [
    {"title": "Python", "author": "Alice", "url": "https://exemplo.com/python", "content": "Linguagem poderosa."},
    {"title": "Notícia", "author": "Bob", "url": "https://exemplo.com/news", "content": ""},
]

@pytest.mark.parametrize("data", test_articles)
def test_article_creation(data):
    article = Article(**data)
    assert article.title == data["title"]
    assert article.author == data["author"]
    assert article.url.startswith("https://")
    assert isinstance(article.content, str)

Não é necessário usar artigos reais. Dados fictícios já permitem testar se a criação do objeto funciona corretamente.

6. Rodando os testes e cobrindo o código¶

Para executar os testes e medir a cobertura:

python -m pytest -v --cov=app.models.article --cov-report=term-missing

-v mostra detalhes dos testes.
--cov calcula a cobertura.
--cov-report=term-missing mostra as linhas do código que não foram testadas.

7. Automatizando os testes com GitHub Actions¶

Você pode configurar o GitHub Actions para rodar os testes automaticamente a cada push ou pull request. Um workflow mínimo seria:

name: Run Tests
on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - uses: actions/setup-python@v4
        with:
          python-version: '3.10'
      - run: python -m pip install --upgrade pip
      - run: pip install pytest pytest-cov
      - run: python -m pytest -v --cov=app.models.article --cov-report=term-missing

Dessa forma, todos os testes são executados automaticamente e qualquer erro ou redução de cobertura será detectado imediatamente.

8. Resumo prático¶

Escreva testes unitários usando pytest e dados fictícios.
Use @pytest.mark.parametrize para testar múltiplos casos de forma automática.
Meça a cobertura de código com pytest-cov.
Configure CI/CD com GitHub Actions para automatizar os testes em cada push.