关于python测试函数时间的信息

Python笔记：Python装饰器

装饰器是通过装饰器函数修改原函数的一些功能而不需要修改原函数，在很多场景可以用到它，比如① 执行某个测试用例之前，判断是否需要登录或者执行某些特定操作；② 统计某个函数的执行时间；③ 判断输入合法性等。合理使用装饰器可以极大地提高程序的可读性以及运行效率。本文将介绍Python装饰器的使用方法。

成华网站制作公司哪家好，找创新互联！从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设公司等网站项目制作，到程序开发，运营维护。创新互联自2013年起到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联。

python装饰器可以定义如下：

输出：

python解释器将test_decorator函数作为参数传递给my_decorator函数，并指向了内部函数 wrapper()，内部函数 wrapper() 又会调用原函数 test_decorator()，所以decorator()的执行会先打印'this is wrapper'，然后打印'hello world'， test_decorator()执行完成后，打印 'bye' ，*args和**kwargs，表示接受任意数量和类型的参数。

装饰器 my_decorator() 把真正需要执行的函数 test_decorator() 包裹在其中，并且改变了它的行为，但是原函数 test_decorator() 不变。

一般使用如下形式使用装饰器：

@my_decorator就相当于 decorator = my_decorator(test_decorator) 语句。

内置装饰器@functools.wrap可用于保留原函数的元信息（将原函数的元信息，拷贝到对应的装饰器函数里）。先来看看没有使用functools的情况：

输出：

从上面的输出可以看出test_decorator() 函数被装饰以后元信息被wrapper() 函数取代了，可以使用@functools.wrap装饰器保留原函数的元信息：

输出：

装饰器可以接受自定义参数。比如定义一个参数来设置装饰器内部函数的执行次数：

输出：

Python 支持多个装饰器嵌套：

装饰的过程：

顺序从里到外：

test_decorator('hello world') 执行顺序和装饰的过程相反。

输出：

类也可以作为装饰器，类装饰器主要依赖__call__()方法，是python中所有能被调用的对象具有的内置方法（python魔术方法），每当调用一个类的实例时，__call__()就会被执行一次。

下面的类装饰器实现统计函数执行次数：

输出：

下面介绍两种装饰器使用场景

统计函数执行所花费的时间

输出：

在使用某些web服务时，需要先判断用户是否登录，如果没有登录就跳转到登录页面或者提示用户登录：

--THE END--

Python 编写并测试函数change(str1)，其功能是对参数str1进行大小写转换？

def change(str1):

new_str = str()

for i in range(len(str1)):

if(65 = ord(str1[i]) = 90):

a = str1[i].lower()

print(a,end='')

elif(97 = ord(str1[i]) = 122):

a = str1[i].upper()

print(a,end='')

else:

a = str1[i]

print(a,end='')

return new_str

str2 = str(input("要转换的字符串："))

print(change(str2))

如何使用python编写测试脚本

1)doctest

使用doctest是一种类似于命令行尝试的方式，用法很简单，如下

复制代码代码如下:

def f(n):

"""

f(1)

1

f(2)

2

"""

print(n)

if __name__ == '__main__':

import doctest

doctest.testmod()

应该来说是足够简单了，另外还有一种方式doctest.testfile(filename)，就是把命令行的方式放在文件里进行测试。

2)unittest

unittest历史悠久，最早可以追溯到上世纪七八十年代了，C++，Java里也都有类似的实现，Python里的实现很简单。

unittest在python里主要的实现方式是TestCase,TestSuite。用法还是例子起步。

复制代码代码如下:

from widget import Widget

import unittest

# 执行测试的类

class WidgetTestCase(unittest.TestCase):

def setUp(self):

self.widget = Widget()

def tearDown(self):

self.widget.dispose()

self.widget = None

def testSize(self):

self.assertEqual(self.widget.getSize(), (40, 40))

def testResize(self):

self.widget.resize(100, 100)

self.assertEqual(self.widget.getSize(), (100, 100))

# 测试

if __name__ == "__main__":

# 构造测试集

suite = unittest.TestSuite()

suite.addTest(WidgetTestCase("testSize"))

suite.addTest(WidgetTestCase("testResize"))

# 执行测试

runner = unittest.TextTestRunner()

runner.run(suite)

简单的说，1构造TestCase(测试用例)，其中的setup和teardown负责预处理和善后工作。2构造测试集，添加用例3执行测试需要说明的是测试方法，在Python中有N多测试函数，主要的有：

TestCase.assert_(expr[, msg])

TestCase.failUnless(expr[, msg])

TestCase.assertTrue(expr[, msg])

TestCase.assertEqual(first, second[, msg])

TestCase.failUnlessEqual(first, second[, msg])

TestCase.assertNotEqual(first, second[, msg])

TestCase.failIfEqual(first, second[, msg])

TestCase.assertAlmostEqual(first, second[, places[, msg]])

TestCase.failUnlessAlmostEqual(first, second[, places[, msg]])

TestCase.assertNotAlmostEqual(first, second[, places[, msg]])

TestCase.failIfAlmostEqual(first, second[, places[, msg]])

TestCase.assertRaises(exception, callable, ...)

TestCase.failUnlessRaises(exception, callable, ...)

TestCase.failIf(expr[, msg])

TestCase.assertFalse(expr[, msg])

TestCase.fail([msg])

python 如何将字符串转化为datetime.date

比较省事的办法是用time模块的strptime方法来解析日期字符串成为时间对象，然后再把年月日部分提取出来，最后生成datetime.date对象。

# 方法1, 用time模块的strptime方法来解析日期字符串成为时间对象

import time, datetime

date_str = '2017-10-19'

fmt = '%Y-%m-%d'

time_tuple = time.strptime(date_str, fmt)

year, month, day = time_tuple[:3]

a_date = datetime.date(year, month, day)

print(a_date, type(a_date))

# 方法2, 直接把日期字符串拆分转换成 年/月/日 对应的整数

import datetime

date_str = '2017-10-19'

print(datetime.date(*map(int, date_str.split('-'))))

python测试type函数验证列表和字典的速度分别是多少

第一段：

if(pos in fre_dist.keys()):

newvalue= fre_dist[pos]

第二段：

if(pos in fre_dist):

newValue=fre_dist[pos]

在处理3万条数据时，第二段代码的速度是第一段代码速度的上千倍。

原因是：第一段代码 fre_dist.keys()变成了list，python在检索list的时候是比较慢的，第二段代码 fre_dist是字典，python在检索字典的时候速度是比较快的。