Le défi de tester des modèles non gérés
Dans les projets Django, nous rencontrons occasionnellement des modèles non gérés, des modèles qui n'ont pas géré = True dans leurs méta-options. Ces modèles peuvent rendre les tests délicats, en particulier lorsque votre configuration de test implique un mélange de modèles gérés et non gérés ou plusieurs bases de données (par exemple, une avec des modèles gérés et une autre avec des modèles non gérés).
Cet article de blog explore les approches permettant de tester des modèles non gérés avec pytest-django, en mettant en évidence les avantages, les inconvénients et les solutions de contournement pour vous aider à gérer ces scénarios efficacement.
Approche 1?: marquer tous les modèles comme gérés
Un moyen simple de gérer les modèles non gérés pendant les tests consiste à les marquer temporairement comme gérés. Voici comment procéder?:
# Add this to conftest.py
@pytest.hookimpl(tryfirst=True)
def pytest_runtestloop():
from django.apps import apps
unmanaged_models = []
for app in apps.get_app_configs():
unmanaged_models += [m for m in app.get_models()
if not m._meta.managed]
for m in unmanaged_models:
m._meta.managed = True
Remarque?: pour que cette approche fonctionne, vous devez ajouter une option --no-migrations à vos paramètres pytest (ou pytest.ini)
Référence?: Débordement de pile
Avantages?:
- Simple à mettre en ?uvre.
Inconvénients?:
- Ignore les tests de migration, ce qui peut entra?ner des problèmes lorsque plusieurs développeurs travaillent sur le même projet.
Approche 2?: créer manuellement des modèles non gérés
Vous pouvez également créer manuellement des modèles non gérés lors de la configuration du test. Cette approche garantit que les migrations sont testées?:
@pytest.fixture(scope="session", autouse=True)
def django_db_setup(django_db_blocker, django_db_setup):
with django_db_blocker.unblock():
for _connection in connections.all():
with _connection.schema_editor() as schema_editor:
setup_unmanaged_models(_connection, schema_editor)
yield
def setup_unmanaged_models(connection, schema_editor):
from django.apps import apps
unmanaged_models = [
model for model in apps.get_models() if model._meta.managed is False
]
for model in unmanaged_models:
if model._meta.db_table in connection.introspection.table_names():
schema_editor.delete_model(model)
schema_editor.create_model(model)
Avantages?:
- Teste les migrations dans le cadre de vos cas de test.
Inconvénients?:
- Légèrement plus complexe.
- transaction=True ne fonctionne pas avec cette approche (discutée dans la section suivante).
Comprendre les tests transactionnels
Pytest-django fournit un accessoire de base de données?: django_db et django_db(transaction=True). Voici en quoi ils diffèrent?:
django_db?: Annule les modifications à la fin d'un scénario de test, ce qui signifie qu'aucune validation réelle n'est effectuée dans la base de données.
django_db(transaction=True): Valide les modifications et tronque les tables de la base de données après chaque scénario de test. étant donné que seuls les modèles gérés sont tronqués après chaque test, c'est la raison pour laquelle les modèles non gérés nécessitent un traitement spécial lors des tests transactionnels.
Exemple de cas de test
@pytest.mark.django_db
def test_example():
# Test case logic here
pass
@pytest.mark.django_db(transaction=True)
def test_transactional_example():
# Test case logic here
pass
Faire fonctionner les tests transactionnels avec des modèles non gérés
étant donné que les tests transactionnels tronquent uniquement les modèles gérés, nous pouvons modifier les modèles non gérés pour qu'ils soient gérés pendant l'exécution du test. Cela garantit qu'ils sont inclus dans la troncature?:
# Add this to conftest.py
@pytest.hookimpl(tryfirst=True)
def pytest_runtestloop():
from django.apps import apps
unmanaged_models = []
for app in apps.get_app_configs():
unmanaged_models += [m for m in app.get_models()
if not m._meta.managed]
for m in unmanaged_models:
m._meta.managed = True
éviter transaction = True avec on_commit Hooks (si possible)
Dans les scénarios impliquant des hooks on_commit, vous pouvez éviter d'utiliser des tests transactionnels en capturant et en exécutant directement les rappels on_commit, en utilisant le luminaire django_capture_on_commit_callbacks de pytest-django(>= v.4.4)?:
@pytest.fixture(scope="session", autouse=True)
def django_db_setup(django_db_blocker, django_db_setup):
with django_db_blocker.unblock():
for _connection in connections.all():
with _connection.schema_editor() as schema_editor:
setup_unmanaged_models(_connection, schema_editor)
yield
def setup_unmanaged_models(connection, schema_editor):
from django.apps import apps
unmanaged_models = [
model for model in apps.get_models() if model._meta.managed is False
]
for model in unmanaged_models:
if model._meta.db_table in connection.introspection.table_names():
schema_editor.delete_model(model)
schema_editor.create_model(model)
Références
- Documentation pytest-django
- Débordement de pile?: tester des modèles non gérés
Avez-vous d'autres approches ou conseils pour gérer les modèles non gérés?? Partagez-les dans les commentaires ci-dessous?!
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undress AI Tool
Images de déshabillage gratuites
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Clothoff.io
Dissolvant de vêtements AI
Video Face Swap
échangez les visages dans n'importe quelle vidéo sans effort grace à notre outil d'échange de visage AI entièrement gratuit?!
Article chaud
Outils chauds
Bloc-notes++7.3.1
éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
Comment Python Unittest ou Pytest Framework de Python facilite-t-il les tests automatisés?
Jun 19, 2025 am 01:10 AM
L'Unittest et Pytest de Python sont deux cadres de test largement utilisés qui simplifient l'écriture, l'organisation et l'exécution de tests automatisés. 1. Les deux prennent en charge la découverte automatique des cas de test et fournissent une structure de test claire: unittest définit les tests en héritant de la classe TestCase et en commen?ant par Test \ _; PyTest est plus concis, il suffit d'une fonction à partir de test \ _. 2. Ils ont tous un support d'affirmation intégré: Unittest fournit ASSERTEQUAL, ASSERTTRUE et d'autres méthodes, tandis que PyTest utilise une instruction ASSERT améliorée pour afficher automatiquement les détails de l'échec. 3. Tous ont des mécanismes pour gérer la préparation et le nettoyage des tests: l'ONU
Comment utiliser Python pour l'analyse des données et la manipulation avec des bibliothèques comme Numpy et Pandas?
Jun 19, 2025 am 01:04 AM
PythonisidealfordataanalysysydUetonumpyandpandas.1) NumpyExcelsAtnumericalcomputations withfast, multidimensionalarraysandvectorizedoperationslikenp.sqrt (). 2) PandashandlesstructuredDatawitheSeriesandData
Que sont les techniques de programmation dynamique et comment les utiliser dans Python?
Jun 20, 2025 am 12:57 AM
La programmation dynamique (DP) optimise le processus de solution en décomposant des problèmes complexes en sous-problèmes plus simples et en stockant leurs résultats pour éviter les calculs répétés. Il existe deux méthodes principales: 1. De haut en bas (mémorisation): décomposer récursivement le problème et utiliser le cache pour stocker les résultats intermédiaires; 2. Affaisant (tableau): construire de manière itérative des solutions à partir de la situation de base. Convient pour des scénarios où des valeurs maximales / minimales, des solutions optimales ou des sous-problèmes qui se chevauchent sont nécessaires, tels que les séquences de Fibonacci, les problèmes de randonnée, etc. Dans Python, il peut être mis en ?uvre par le biais de décorateurs ou des tableaux, et l'attention doit être accordée à l'identification des relations récursives, à la définition de la situation de la banquette et à l'optimisation de la complexité de l'espace.
Comment pouvez-vous implémenter des itérateurs personnalisés dans Python en utilisant __iter__ et __Next__?
Jun 19, 2025 am 01:12 AM
Pour implémenter un itérateur personnalisé, vous devez définir les méthodes __iter__ et __Next__ dans la classe. ① La méthode __iter__ renvoie l'objet itérateur lui-même, généralement soi, pour être compatible avec des environnements itératifs tels que pour les boucles; ② La méthode __Next__ contr?le la valeur de chaque itération, renvoie l'élément suivant dans la séquence, et lorsqu'il n'y a plus d'éléments, une exception d'arrêt doit être lancée; ③ L'état doit être suivi correctement et les conditions de terminaison doivent être définies pour éviter les boucles infinies; ④ Logique complexe telle que le filtrage des lignes de fichiers et faire attention au nettoyage des ressources et à la gestion de la mémoire; ⑤ Pour une logique simple, vous pouvez envisager d'utiliser le rendement de la fonction du générateur à la place, mais vous devez choisir une méthode appropriée basée sur le scénario spécifique.
Quelles sont les tendances émergentes ou les orientations futures dans le langage de programmation Python et son écosystème?
Jun 19, 2025 am 01:09 AM
Les tendances futures de Python incluent l'optimisation des performances, les invites de type plus fortes, la montée des temps d'exécution alternatifs et la croissance continue du champ AI / ML. Premièrement, CPYthon continue d'optimiser, améliorant les performances grace à un temps de démarrage plus rapide, à l'optimisation des appels de fonction et à des opérations entières proposées; Deuxièmement, les invites de type sont profondément intégrées dans les langues et les cha?nes d'outils pour améliorer l'expérience de sécurité et de développement du code; Troisièmement, des temps d'exécution alternatifs tels que Pyscript et Nuitka offrent de nouvelles fonctions et des avantages de performance; Enfin, les domaines de l'IA et de la science des données continuent de se développer, et les bibliothèques émergentes favorisent un développement et une intégration plus efficaces. Ces tendances indiquent que Python s'adapte constamment aux changements technologiques et maintient sa position principale.
Comment puis-je effectuer des programmes réseau dans Python à l'aide de sockets?
Jun 20, 2025 am 12:56 AM
Le module de socket de Python est la base de la programmation réseau, offrant des fonctions de communication réseau de bas niveau, adaptées à la création d'applications client et serveur. Pour configurer un serveur TCP de base, vous devez utiliser socket.socket () pour créer des objets, lier des adresses et des ports, appelez .Listen () pour écouter les connexions et accepter les connexions client via .Accept (). Pour créer un client TCP, vous devez créer un objet Socket et appeler .Connect () pour vous connecter au serveur, puis utiliser .sendall () pour envoyer des données et .recv () pour recevoir des réponses. Pour gérer plusieurs clients, vous pouvez utiliser 1. Threads: Démarrez un nouveau thread à chaque fois que vous vous connectez; 2. E / S asynchrone: Par exemple, la bibliothèque Asyncio peut obtenir une communication non bloquante. Choses à noter
Polymorphisme dans les classes python
Jul 05, 2025 am 02:58 AM
Le polymorphisme est un concept de base dans la programmation orientée objet Python, se référant à "une interface, plusieurs implémentations", permettant le traitement unifié de différents types d'objets. 1. Le polymorphisme est implémenté par la réécriture de la méthode. Les sous-classes peuvent redéfinir les méthodes de classe parent. Par exemple, la méthode Spoke () de classe animale a des implémentations différentes dans les sous-classes de chiens et de chats. 2. Les utilisations pratiques du polymorphisme comprennent la simplification de la structure du code et l'amélioration de l'évolutivité, tels que l'appel de la méthode Draw () uniformément dans le programme de dessin graphique, ou la gestion du comportement commun des différents personnages dans le développement de jeux. 3. Le polymorphisme de l'implémentation de Python doit satisfaire: la classe parent définit une méthode, et la classe enfant remplace la méthode, mais ne nécessite pas l'héritage de la même classe parent. Tant que l'objet implémente la même méthode, c'est ce qu'on appelle le "type de canard". 4. Les choses à noter incluent la maintenance
Comment trancher une liste dans Python?
Jun 20, 2025 am 12:51 AM
La réponse principale au découpage de la liste Python est de ma?triser la syntaxe [start: fin: étape] et comprendre son comportement. 1. Le format de base du découpage de la liste est la liste [Démarrage: fin: étape], où le démarrage est l'index de démarrage (inclus), la fin est l'index final (non inclus), et l'étape est la taille de pas; 2. OMIT START Par défaut Démarrer à partir de 0, omettre la fin par défaut à la fin, omettez l'étape par défaut à 1; 3. Utilisez My_List [: N] pour obtenir les N premiers éléments et utilisez My_List [-N:] pour obtenir les N derniers éléments; 4. Utilisez l'étape pour sauter des éléments, tels que My_List [:: 2] pour obtenir des chiffres pair, et les valeurs d'étape négatives peuvent inverser la liste; 5. Les malentendus communs incluent l'indice final pas
