فصل ۱ — شروع پایتون

پایتون چیست و چرا محبوب‌ترین زبان دنیاست؟ محیط پروژه: venv و مدیریت پکیج‌ها

فصل ۲ — متغیرها و انواع داده

متغیرها و انواع پایه داده رشته‌ها: متدهای متن در پایتون لیست، تاپل، دیکشنری و مجموعه

فصل ۳ — کنترل جریان

شرط‌ها: if و elif و else حلقه‌ها: for و while در پایتون

فصل ۴ — توابع و ماژول‌ها

توابع: def، پارامترها و return ماژول‌ها و کتابخانه استاندارد

فصل ۵ — کلاس و برنامه‌نویسی شیءگرا

کلاس‌ها و شیءگرایی در پایتون

فصل ۱۵ — حرفه‌ای‌شدن

لاگ‌گیری با ماژول logging دیباگ: pdb و breakpoint

فصل ۱۶ — تست‌نویسی

تست با unittest: پایه تست‌نویسی پایتون pytest: تست مدرن با فیکسچر و پارامتری

فصل ۱۷ — داده و وب

دیتابیس SQLite داخل پایتون کار با وب و API با requests تنظیمات و متغیر محیط: json، env و پیکربندی

فصل ۱۸ — ابزار و خط فرمان

ابزار خط فرمان با argparse پکیج‌سازی و انتشار: از ماژول تا PyPI

فصل ۱۹ — پایتون در وب

شروع وب با Flask: اولین اپلیکیشن

فصل ۶ — پروژه عملی

کار با فایل و JSON پروژه پایانی: مدیریت کارها در خط فرمان

فصل ۷ — سینتکس، عملگرها و ورودی/خروجی

سینتکس و تورفتگی: قواعد خط پایتون عملگرها: حساب، مقایسه، منطق و عضویت ورودی و خروجی: print و input در عمق اعداد و تبدیل نوع (casting) f-string در عمق: فرمت‌دهی حرفه‌ای

فصل ۸ — ساختمان‌های داده در عمق

لیست در عمق: متدها، برش و کپی تاپل: ثابت‌ها و باز‌کردن مقادیر مجموعه‌ها: عضویت سریع و عملیات ریاضی دیکشنری در عمق: get، setdefault و ادغام کامپریهنشن: list، dict و set enumerate، zip و ابزارهای پیمایش match/case: تطبیق الگو در پایتون ۳.۱۰+

فصل ۹ — توابع در عمق

*args و **kwargs: پارامترهای انعطاف‌پذیر lambda و توابع درجه‌یک بازگشت: تابعی که خودش را صدا می‌زند اسکوپ: local، global و nonlocal تایپ هینت: نوع‌نویسی در پایتون مدرن

فصل ۱۰ — شیءگرایی در عمق

وراثت و چندریختی متدهای جادویی (dunder) کپسولاسیون: property، خصوصی و انواع متد dataclass: کلاس داده‌محور آماده کلاس انتزاعی، Protocol و duck typing

فصل ۱۱ — خطاها، فایل‌ها و ماژول‌ها

خطاها: try/except/finally و raise فایل‌ها در عمق: خواندن، نوشتن و pathlib CSV: خواندن و نوشتن جداول ماژول و پکیج خودتان + __main__ os و sys: سیستم‌عامل و مفسر

فصل ۱۲ — زمان، ریاضی و ابزارهای پیشرفته

تاریخ و زمان: datetime و timedelta math و random: محاسبات و تصادف عبارات باقاعده: ماژول re ایتریتور و ژنراتور: yield کلوژر و دکوراتور بهترین شیوه‌ها: کد پایتونی تمیز
Python Tutorial فصل ۱۶ — تست‌نویسی درس آموزشی

pytest: تست مدرن با فیکسچر و پارامتری

pytest استاندارد واقعی صنعت است: تابع ساده با assert معمولی به‌جای کلاس، فیکسچر برای داده مشترک و پارامتری‌سازی برای تست یک رفتار با داده‌های زیاد.

مراحل قدم‌به‌قدم

  1. ۱

    تست ساده

    فایل test_cart.py با تابع test_total() و assert خالی — بدون کلاس و بدون import. خروجی خطا خودش مقایسه واقعی دو طرف را نشان می‌دهد؛ بزرگ‌ترین مزیت خوانایی.

  2. ۲

    فیکسچر

    @pytest.fixture تابعی است که داده آماده می‌دهد و با نامش به تابع تست تزریق می‌شود؛ scope="module" یعنی یک بار برای کل فایل. فیکسچرها می‌توانند فیکسچر دیگر را تزریق بگیرند.

  3. ۳

    پارامتری

    @pytest.mark.parametrize("price,qty,expected", [(10,2,20), (0,5,0)]) یک تست را با چند داده اجرا می‌کند؛ جایگزین کپی‌کاری تست‌های مشابه است.

  4. ۴

    پلاگین‌ها

    pytest-cov پوشش کد، pytest-xdist اجرای موازی، pytest-mock ساخت mock. اجرای pip install pytest && pytest -v شروع همه‌چیز است.

نکات مهم

  • ◆ assert ساده کافی است؛ pytest پیام خطا را خودش می‌سازد.
  • ◆ فیکسچر را در conftest.py بگذارید تا بین فایل‌ها مشترک شود.
  • ◆ نام فایل و تابع باید test شروع شود تا کشف شوند.

کد یا مسیر نمونه

import pytest

def cart_total(items):
    return sum(i["price"] * i["qty"] for i in items)

@pytest.fixture
def sample():
    return [{"price": 10, "qty": 2}]

@pytest.mark.parametrize("items,expected", [([{"price": 10, "qty": 2}], 20), ([], 0)])
def test_totals(items, expected):
    assert cart_total(items) == expected

def test_with_fixture(sample):
    assert cart_total(sample) == 20

پرسش و پاسخ این درس (۰)

هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!

دیدگاه خود را بنویسید

کپچا

دیدگاه شما پس از تأیید مدیر نمایش داده می‌شود.