Pruebas unitarias en Python con unittest y doctest

En Python existen varias herramientas para escribir, organizar, ejecutar y automatizar pruebas unitarias. En la biblioteca estandar se encuentran doctest y unittest, cada uno con ventajas complementarias.

doctest es un marco liviano que permite extraer pruebas de la documentacion y de las docstrings, ideal para validar ejemplos sencillos. unittest es un framework inspirado en JUnit que ofrece una solucion mas completa: test case, test suite, test fixture y test runner.

Definiciones breves: un test case es una unidad de prueba que verifica la salida para un conjunto de entradas; un test suite agrupa test cases y otras suites; un test fixture prepara y deja limpio el entorno antes y despues de las pruebas; un test runner ejecuta las pruebas y comunica los resultados al usuario.

Ejemplo conceptual: una funcion categorize_by_age(age) clasifica edades en Child, Adolescent, Adult, Golden age y ante valores fuera de rango devuelve una cadena indicando la edad invalida seguida del numero. Con unittest se crean metodos de prueba que llaman a categorize_by_age con distintos valores y verifican el resultado con assertEqual u otros metodos de asercion.

Para ejecutar pruebas con unittest se puede hacer el modulo de prueba ejecutable comprobando if __name__ == __main__ y llamando a unittest.main con el argumento verbosity para ajustar la verbosidad: 0 silencioso, 1 normal, 2 detallado. Agregar docstrings a los metodos de prueba mejora la descripcion en la salida cuando verbosity se establece en 2.

Unittest permite tambien saltar pruebas con decoradores como skip, skipIf y skipUnless, util cuando una prueba depende de la plataforma o de la version de Python.

subTest aporta granularidad cuando se prueban multiples valores dentro de un mismo metodo: cada iteracion se trata como un subtest independiente, de modo que un fallo no impide la ejecucion de los demas y el informe indica exactamente que entrada provoco el error.

Principales metodos de asercion: assertEqual, assertNotEqual, assertTrue, assertFalse; para identidad de objetos assertIs, assertIsNot, assertIsNone, assertIsNotNone; para colecciones assertSequenceEqual, assertListEqual, assertTupleEqual, assertDictEqual, assertSetEqual y assertMultiLineEqual para cadenas multilinea.

Para agrupar pruebas y ejecutarlas por separado se puede crear una TestSuite manual y pasarsela a TextTestRunner, de modo que por ejemplo las pruebas aritmeticas y las pruebas estadisticas puedan correr de forma independiente y controlada.

Fixtures: setUp se ejecuta antes de cada metodo de prueba y tearDown despues de cada metodo; setUpClass y tearDownClass se ejecutan una sola vez al inicio y al final de la clase y deben ser metodos de clase. Estos mecanismos permiten abrir y cerrar recursos, inicializar bases de datos de prueba o detener mocks de manera ordenada.

Mocking: unittest.mock incluye Mock y MagicMock. MagicMock implementa metodos magicos por defecto como __len__ o __iter__, util cuando se necesita simular objetos que usan dunder methods. Para reemplazar metodos de instancia o de clase se usa patch o patch.object; por ejemplo se puede mockear un metodo get_name para que devuelva un valor controlado durante la prueba y verificar que el mock fue invocado.

Un caso habitual es simular fechas. Si una funcion is_weekday depende de datetime.date.today es recomendable parchear datetime en el modulo donde se usa, es decir usar @patch(weekday.datetime) y no parchear la libreria datetime globalmente. El decorador patch inyecta el mock como parametro del test y garantiza resultados reproducibles.

doctest complementa a unittest cuando se desea que la documentacion contenga ejemplos ejecutables que tambien actuen como pruebas automatizadas; es una forma sencilla de mantener ejemplos y pruebas alineados con el codigo.

En Q2BSTUDIO, empresa de desarrollo de software y aplicaciones a medida, aplicamos buenas practicas de testing desde el diseño hasta la entrega para garantizar calidad en proyectos de software a medida. Nuestro equipo de especialistas en inteligencia artificial, ciberseguridad y servicios cloud aws y azure integra pruebas automatizadas en pipelines de CI CD y realiza evaluaciones de seguridad para reducir riesgos y acelerar despliegues.

Si necesitas desarrollar soluciones robustas y adaptadas a negocio mira nuestros servicios de desarrollo de aplicaciones a medida y descubre como incorporamos modelos y agentes inteligentes en proyectos reales consultando la seccion de inteligencia artificial. Tambien ofrecemos servicios de ciberseguridad, pentesting, servicios inteligencia de negocio y soluciones con power bi para mejorar la toma de decisiones.

Palabras clave incluidas: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi. Integrar unittest y doctest en el ciclo de desarrollo ayuda a mejorar la confiabilidad, facilitar la entrega continua y mantener la calidad del software.

Si quieres que Q2BSTUDIO adapte una estrategia de testing automatizado, integre pruebas en tus pipelines CI CD o desarrollemos software a medida con foco en seguridad y escalabilidad, contactanos para convertir requisitos en soluciones productivas.