.png){kind=icon}
.png){kind=icon}
返回
Property-based testing in Python: empirical insights
.png){kind=icon}
OA
AI
DOI：10.1007/s10664-026-10953-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于属性的测试（PBT）自动生成测试输入以验证程序属性，将开发者的精力从编写示例转向指定不变量。尽管该技术在Python中通过Hypothesis框架获得了普及，但人们对开发者如何在实践中采用和使用它知之甚少。本文报告了三项实证研究。首先，我们分析了244个Python项目中的367个PBT，将它们分为九个属性类别，并量化了它们对Hypothesis构造的使用情况。我们发现测试基准属性占主导地位（29.97%），且PBT通常简洁（中位数14行代码），严重依赖内置策略（75.20%），但也依赖外部（22.62%）和内部（17.17%）策略。其次，我们研究了标记为PBT的213个Stack Overflow帖子，发现开发者面临的主要挑战涉及数据生成策略（36.62%），特别是对于复合和表格数据（24.36%）。最后，我们评估了Hypothesis的自动化测试生成器Ghostwriter，针对我们数据集中的203个测试；只有18.23%可以完全自动化，而大多数需要部分调整（30.05%）或不相容（51.72%）。综合来看，我们的发现为Python中的PBT提供了迄今为止最大的实证表征，突显了开发者采用该技术的困难，并揭示了当前工具支持的局限性。
Keyword:
Property-based testing
Python
Hypothesis
Ghostwriter
Stack overflow
Developer adoption or practices
Automated test generation