Как измеряется покрытие кода в Python и какие инструменты для этого используются?

В Python для измерения покрытия кода (code coverage) чаще всего используется библиотека coverage.py. Она помогает определить, какие части кода были выполнены во время выполнения тестов, а какие остались нетронутыми.

Почему это важно? Покрытие кода позволяет выявить непротестированные участки, что снижает риск ошибок в продакшене и улучшает качество кода.

Пример использования coverage.py:

1. Установка:

   pip install coverage pytest

2. Запуск тестов с измерением покрытия:

   coverage run -m pytest tests/

   Эта команда запускает тесты (например, с pytest) и одновременно собирает данные о покрытии.

3. Генерация отчета:

   • Консольный отчет:

     coverage report -m

     Показывает процент покрытия для каждого файла и список непрокрытых строк.

   • HTML-отчет:

     coverage html

     Создает интерактивный HTML-отчет в папке htmlcov/, где можно детально просмотреть покрытие по файлам и строкам.

Основные метрики покрытия:

• Statement Coverage (Покрытие операторов): Процент выполненных исполняемых строк кода.
• Branch Coverage (Покрытие ветвлений): Процент выполненных условных ветвлений (например, if/else, while).
• Function/Method Coverage (Покрытие функций/методов): Процент вызванных функций или методов.

Нюансы и лучшие практики:

• 100% покрытие не гарантирует отсутствие багов. Оно лишь показывает, что код был выполнен, но не проверяет корректность его логики или все возможные входные данные.
• Сочетайте с другими метриками качества: Покрытие кода должно использоваться в комбинации с юнит-тестами, интеграционными тестами, линтингом и статическим анализом.
• Интеграция в CI/CD: coverage.py легко интегрируется в системы непрерывной интеграции. Отчеты можно экспортировать в форматы xml или json для использования с сервисами вроде Codecov или SonarQube.