python+request+unittest,python的unittest模块能用来做多线程的单元测试吗

python+request+unittest,python的unittest模块能用来做多线程的单元测试吗详细介绍

本文目录一览： python如何使用unittest测试接口_python

这篇文章主要为大家详细介绍了python如何使用unittest测试接口，具有一定的参考价值，感兴趣的小伙伴们可以参考一下本文实例为大家分享了python使用unittest 测试接口的具体代码，供大家参考，具体内容如下1.首先使用 python 的requests 对接口进行测试# TestInface.py import requests,json url = visit.get_test_url() news_url = url+'news.info' headers = baseToken.basetoken_datas()['headers'] def new_data(data): r = requests.post(news_url,data=data,headers=headers) cnn = json.loads(r.text) return cnn2.使用unittest调用接口，且对接口测试的结果进行统计# TestCase.py # -*- coding:utf-8 -*- import unittest import TestInface # 对执行的case结果进行统计 # --------------------------------------------------------------------------------------------------------------------- text = "" num_success = 0 num_fail = 0 # 测试通过 def decide_success(joggle): global num_success num_success += 1 print_out(joggle + ":接口测试通过") return num_success # 测试不通过 def decide_fail(txt, joggle): global num_fail num_fail += 1 print_out(joggle + ":接口测试未通过 错误信息： " + txt + "") return num_fail # 邮件内容写入 & 客户端输出 def print_out(message): global text text += "" + message return text # 返回值判断 def decide_result(result, code, joggle): if result['code'] == code: decide_success(joggle) return "pass" else: txt = u"期望返回值:" + str(code) + u" 实际返回值:" + str(result) + '' + result['message'] decide_fail(txt, joggle) return "fail" def decide_Count(): data = { 'num_success': num_success, 'num_fail': num_fail, 'text': text } return data # -------------------------------------------------------------------------------------------------------------------- # 定义 unittest class MyTestCase(unittest.TestCase): # 初始化工作 def setUp(self): pass # 退出清理工作 def tearDown(self): pass def test_Case1(self): id = 16 data = {'id':id} a = TestInface.new_data(data) decide_result(a,0,'test_Case1')3.使用suite对case进行管理# TestSuite.py # -*- coding:utf-8 -*- import unittest import TestCase def test_InterFace(): # 构造测试集 suite = unittest.TestSuite() suite.addTest(TestCase("test_Case1")) # unittest中的测试用例 runner = unittest.TextTestRunner() runner.run(suite) #对测试集进行测试需要返回值 # return suite if __name__ == '__main__': # unittest.main(defaultTest='test_InterFace') # 执行测试 runner = unittest.TextTestRunner() runner.run(test_InterFace())4.对接口的数据进行统计# TestCensus.py # -*- coding:utf-8 -*- import time import TestSuite import send_email import TestCase class Test_Calss(): def census(self): text = '' # 初始化测试起始时间 start_time = time.time() # 调用suite测试集 TestSuite.test_InterFace() # 结束执行时间计算 end_time = time.time() result = TestCase.decide_Count() # 接口测试统计说明 total_use_case = u"执行用例总数:" + str(result['num_success'] + result['num_fail']) + u" 通过数:" + str(result['num_success']) + u" 不通过数:" + str(result['num_fail']) total_time = u" 总共耗时：" + str(round((end_time - start_time), 3)) + u'秒' text = result['text'] + total_use_case + total_time print (text) # 发生测试报告邮件 send_email.email_file(text) if __name__ == '__main__': Test_Calss().census()

PythonUnittest怎么进行自动化的单元测试

这次给大家带来Python Unittest怎么进行自动化的单元测试，Python Unittest进行自动化单元测试的注意事项有哪些，下面就是实战案例，一起来看一下。本文实例为大家分享了Python Unittest自动化单元测试框架的具体代码，供大家参考，具体内容如下1、python 测试框架(本文只涉及 PyUnit)参考地址2、环境准备 首先确定已经安装有Python，之后通过安装PyUnit，Python版本比较新的已经集成有PyUnit(PyUnit 提供了一个图形测试界面UnittestGUI.py) 参考：查看地址3、代码实例 使用的IDE为 PyCharm,DEMO结构如图1.简单地一个实例# Test002_Fail.py# -*- coding:utf-8 -*-import unittestclass Test002_Fail(unittest.TestCase): #测试用例前执行 def setUp(self): print 'Case Before' pass #测试用例后执行 def tearDown(self): print 'Case After' pass #测试用例1 def test_Case1(self): a = 3 b = 2 self.assertEqual(a+b,4,'Result Fail') #测试用例2 def test_Case2(self): a = 2 b = 3 self.assertEqual(a*b,7,'Result Fail')if name == 'main': unittest.main()2.当case比较多的时候，可以使用Suite来管理多个case,suite 可以看做是一个case 的容器，可以装很多的case# SuiteDemo.py# -*- coding:utf-8 -*-#一个类，添加测试集import unittestclass SuiteDemo(unittest.TestCase): #测试用例前执行 def setUp(self): print 'Case Before' pass #测试用例后执行 def tearDown(self): print 'Case After' pass def test_Case1(self): a = 3 b = 2 self.assertEqual(a+b,5,'Result Fail') print 'Case1' def test_Case2(self): a = 2 b = 3 self.assertEqual(a*b,6,'Result Fail') print 'Case2'#定义一个测试集合，方便添加Casedef suite(): suiteTest = unittest.TestSuite() suiteTest.addTest(SuiteDemo("test_Case1")) suiteTest.addTest(SuiteDemo("test_Case2")) return suiteTest#默认运行时通过 Suite 运行if name == 'main': unittest.main(defaultTest='suite')3.Suite 和 Case可以分开写在不同的Python文件中，这样方便区分case模块和Suite管理模块，在测试测试的时候只需要在case模块里面添加case,之后添加到Suite模块即可了case模块# TestCaseDemo# -*- coding:utf-8 -*-import unittestclass TestCaseDemo(unittest.TestCase): def setUp(self): pass def tearDown(self): pass def test_Case1(self): print 'test_Case1' def test_Case2(self): print 'test_Case2' def test_Case3(self): print 'test_Case3' def test_Case4(self): print 'test_Case4'接下来为三个Suite模块，都是先导入Case模块，之后添加Suite,再在Suite里面添加Case，最后执行的时候需要使用TestRunner,这个TestRunner 相当于Suite 的执行器简单地TestSuite:# TestCase_Demo1.py# -*- coding:utf-8 -*-#集合写入一个方法，main调用并启动import unittestfrom TestCase_Demo import TestCaseDemo#添加一个测试集合，并添加Casedef suite(): suiteTest = unittest.TestSuite() suiteTest.addTest(TestCaseDemo('test_Case1')) return suiteTest#指定并启动测试集合,运行集合方法if name == 'main': runner = unittest.TextTestRunner() runner.run(suite())也可以不定义Suite方法，直接在main方法中进行Case的添加，之后执行# TestCase_Demo2.py# -*- coding:utf-8 -*-#集合可以写在mainimport unittestfrom TestCase_Demo import TestCaseDemo#指定并启动测试集合if name == 'main': #添加测试集合Case,并启动 suiteTest = unittest.TestSuite() suiteTest.addTest(TestCaseDemo('test_Case1')) suiteTest.addTest(TestCaseDemo('test_Case2')) #直接启动集合 runner = unittest.TextTestRunner() runner.run(suiteTest)可以把不同的Case 添加道不同的Suite里面，同样，可以给Suite分组，用于区分不同的Case,并且，Suite 之间还可以包含# TestCase_Demo3.py# -*- coding:utf-8 -*-#包含集合，多集合import unittestfrom TestCase_Demo import TestCaseDemo#添加不同的合集def Suite1(): suiteTest = unittest.TestSuite() suiteTest.addTest(TestCaseDemo("test_Case1")) suiteTest.addTest(TestCaseDemo("test_Case2")) print 'Suite1 运行' return suiteTestdef Suite2(): suiteTest = unittest.TestSuite() suiteTest.addTest(TestCaseDemo("test_Case3")) suiteTest.addTest(TestCaseDemo("test_Case4")) print 'Suite2 运行' return suiteTest#包含所有的Suitedef AllSuite(): allTest = unittest.TestSuite((Suite1(),Suite2())) return allTest#运行的时候，可以根据不同的要求，运行不同的Suite,或者全部运行，这样就方便管理每次运行的caseif name == 'main': runner = unittest.TextTestRunner() runner.run(AllSuite())4.小结PyUnit 是Python的一个单元测试框架，使用它可以方便的管理自动化运行的case. 在Python 中，每一个方法 只要方法名使用test_ 开头的都被作为是一个用例，都可以看做成一个case,这里介绍了使用Suite管理Case，并且分组运行Case,还有其他很多的功能，请参考： unittest — Unit testing framework相信看了本文案例你已经掌握了方法，更多精彩请关注Gxl网其它相关文章！推荐阅读：python使用unittest测试接口步奏详解Python怎么统计字母出现的次数

如何用python unittest去测试c#的接口

1.首先使用 python 的 requests 对接口进行测试
[python] view plain copy
# TestInface.py
import requests,json
url = visit.get_test_url()
news_url = url+'news.info'
headers = baseToken.basetoken_datas()['headers']
def new_data(data):
r = requests.post(news_url,data=data,headers=headers)
cnn = json.loads(r.text)
return cnn
2.使用unittest调用接口，且对接口测试的结果进行统计
[python] view plain copy
# TestCase.py
# -*- coding:utf-8 -*-
import unittest
import TestInface
# 对执行的case结果进行统计
# ---------------------------------------------------------------------------------------------------------------------
text = ""
num_success = 0
num_fail = 0
# 测试通过
def decide_success(joggle):
global num_success
num_success += 1
print_out(joggle + ":接口测试通过\n")
return num_success
# 测试不通过
def decide_fail(txt, joggle):
global num_fail
num_fail += 1
print_out(joggle + ":接口测试未通过 \n错误信息： " + txt + "\n")
return num_fail
# 邮件内容写入 & 客户端输出
def print_out(message):
global text
text += "\n" + message
return text
# 返回值判断
def decide_result(result, code, joggle):
if result['code'] == code:
decide_success(joggle)
return "pass"
else:
txt = u"期望返回值:" + str(code) + u" 实际返回值:" + str(result) + '\n' + result['message']
decide_fail(txt, joggle)
return "fail"
def decide_Count():
data = {
'num_success': num_success,
'num_fail': num_fail,
'text': text
}
return data
# --------------------------------------------------------------------------------------------------------------------
# 定义 unittest
class MyTestCase(unittest.TestCase):
# 初始化工作
def setUp(self):
pass
# 退出清理工作
def tearDown(self):
pass
def test_Case1(self):
id = 16
data = {'id':id}
a = TestInface.new_data(data)
decide_result(a,0,'test_Case1')
3.使用suite对case进行管理
[python] view plain copy
# TestSuite.py
# -*- coding:utf-8 -*-
import unittest
import TestCase
def test_InterFace():
# 构造测试集
suite = unittest.TestSuite()
suite.addTest(TestCase("test_Case1")) # unittest中的测试用例
runner = unittest.TextTestRunner()
runner.run(suite)
#　对测试集进行测试需要返回值
# return suite
if __name__ == '__main__':
# unittest.main(defaultTest='test_InterFace')
# 执行测试
runner = unittest.TextTestRunner()
runner.run(test_InterFace())
4.对接口的数据进行统计
[python] view plain copy
# TestCensus.py
# -*- coding:utf-8 -*-
import time
import TestSuite
import send_email
import TestCase
class Test_Calss():
def census(self):
text = ''
# 初始化测试起始时间
start_time = time.time()
# 调用suite测试集
TestSuite.test_InterFace()
# 结束执行时间计算
end_time = time.time()
result = TestCase.decide_Count()
# 接口测试统计说明
total_use_case = u"执行用例总数:" + str(result['num_success'] + result['num_fail']) + \
u"\t通过数:" + str(result['num_success']) + \
u"\t不通过数:" + str(result['num_fail'])
total_time = u"\t总共耗时：" + str(round((end_time - start_time), 3)) + u'秒'
text = result['text'] + total_use_case + total_time
print (text)
# 发生测试报告邮件
send_email.email_file(text)
if __name__ == '__main__':
Test_Calss().census()
[python] view plain copy

python中的unittest有什么作用 
unittest框架介绍
unittest是python自带的单元测试框，具备编写用例、组织用例、执行用例、输出报告等自动化框架的条件，可以用来作自动化测试框架的用例组织执行框架。
python中unittest框架有什么作用?
①提供用例组织与执行：当测试用例只有几条的时候可以不考虑用例的组织，但是当测试用例数量较多时，就需要考虑用例的规范与组织问题，unittest单元测试框架就是用来解决这个问题的。
②提供丰富的断言方法：是测试，就有一个预期结果和实际结果的比较问题。比较就是通过断言来实现，unittest单元测试框架提供了丰富的断言方法，通过捕获返回值，并且与预期值进行比较，从而得出测试通过与否。
③提供丰富的日志：每一个失败用例我们都想要知道失败的原因，所有用例执行结束我们都希望知道整体的执行情况，比如：总体执行时间、失败用例数、成功用例数。unittest单元测试框架为我们提供了这些数据。
python中unittest模块是用来做单元测试的。
unittest是一个python版本的junit，junit是java中的单元测试框架，对java的单元测试，有一句话很贴切：Keep thebar green，相信使用eclipse写过java单元测试的都心领神会。unittest实现了很多junit中的概念，比如我们非常熟悉的test case, test suite等，总之，原理都是相通的，只是用不同的语言表达出来。
下面是一个例子
import randomimport unittestclass TestSequenceFunctions(unittest.TestCase): def setUp(self): self.seq = range(10) def test_shuffle(self): # make sure the shuffled sequence does not lose any elements random.shuffle(self.seq) self.seq.sort() self.assertEqual(self.seq, range(10)) # should raise an exception for an immutable sequence self.assertRaises(TypeError, random.shuffle, (1,2,3)) def test_choice(self): element = random.choice(self.seq) self.assertTrue(element in self.seq) def test_sample(self): with self.assertRaises(ValueError): random.sample(self.seq, 20) for element in random.sample(self.seq, 5): self.assertTrue(element in self.seq)if __name__ == '__main__': unittest.main()
使用python做接口自动化测试容易吗 
为什么要做接口自动化测试?
在当前互联网产品迭代频繁的背景下，回归测试的时间越来越少，很难在每个迭代都对所有功能做完整回归。但接口自动化测试因其实现简单、维护成本低，容易提高覆盖率等特点，越来越受重视。
为什么要自己写框架呢?
使用Postman调试通过过直接可以获取接口测试的基本代码，结合使用requets + unittest很容易实现接口自动化测试的封装，而且requests的api已经非常人性化，非常简单，但通过封装以后（特别是针对公司内特定接口），可以进一步提高脚本编写效率。
一个现有的简单接口例子
下面使用requests + unittest测试一个查询接口
接口信息如下
请求信息:
Method：POST
URL：api/match/image/getjson
Request：
{
"category": "image",
"offset": "0",
"limit": "30",
"sourceId": "0",
"metaTitle": "",
"metaId": "0",
"classify": "unclassify",
"startTime": "",
"endTime": "",
"createStart": "",
"createEnd": "",
"sourceType": "",
"isTracking": "true",
"metaGroup": "",
"companyId": "0",
"lastDays": "1",
"author": ""
}
Response示例：
{
"timestamp" : xxx,
"errorMsg" : "",
"data" : {
"config" : xxx
}
Postman测试方法见截图：
测试思路
1.获取Postman原始脚本
2.使用requests库模拟发送HTTP请求**
3.对原始脚本进行基础改造**
4.使用python标准库里unittest写测试case**
原始脚本实现
未优化
该代码只是简单的一次调用，而且返回的结果太多，很多返回信息暂时没用，示例代码如下
import requests
url = "http://cpright.xinhua-news.cn/api/match/image/getjson"
querystring = {"category":"image","offset":"0","limit":"30","sourceId":"0","metaTitle":"","metaId":"0","classify":"unclassify","startTime":"","endTime":"","createStart":"","createEnd":"","sourceType":"","isTracking":"true","metaGroup":"","companyId":"0","lastDays":"1","author":""}
headers = { 'cache-control': "no-cache", 'postman-token': "e97a99b0-424b-b2a5-7602-22cd50223c15"
}
response = requests.request("POST", url, headers=headers, params=querystring)
print(response.text)
优化 第一版
调整代码结构，输出结果Json出来，获取需要验证的response.status_code，以及获取结果校验需要用到的results['total']
#!/usr/bin/env python#coding: utf-8'''
unittest merchant backgroud interface
@author: zhang_jin
@version: 1.0
@see:http://www.python-requests.org/en/master/
'''import unittestimport jsonimport tracebackimport requests
url = "http://cpright.xinhua-news.cn/api/match/image/getjson"
querystring = { "category": "image", "offset": "0", "limit": "30", "sourceId": "0", "metaTitle": "", "metaId": "0", "classify": "unclassify", "startTime": "", "endTime": "", "createStart": "", "createEnd": "", "sourceType": "", "isTracking": "true", "metaGroup": "", "companyId": "0", "lastDays": "1", "author": ""
}
headers = { 'cache-control': "no-cache", 'postman-token': "e97a99b0-424b-b2a5-7602-22cd50223c15"
}#Post接口调用
response = requests.request("POST", url, headers=headers, params=querystring)#对返回结果进行转义成json串
results = json.loads(response.text)#获取http请求的status_codeprint "Http code:",response.status_code#获取结果中的total的值print results['total']#print(response.text)
优化 第二版
接口调用异常处理，增加try，except处理，对于返回response.status_code，返回200进行结果比对，不是200数据异常信息。
#!/usr/bin/env python#coding: utf-8'''
unittest merchant backgroud interface
@author: zhang_jin
@version: 1.0
@see:http://www.python-requests.org/en/master/
'''import jsonimport tracebackimport requests
url = "http://cpright.xinhua-news.cn/api/match/image/getjson"
querystring = { "category": "image", "offset": "0", "limit": "30", "sourceId": "0", "metaTitle": "", "metaId": "0", "classify": "unclassify", "startTime": "", "endTime": "", "createStart": "", "createEnd": "", "sourceType": "", "isTracking": "true", "metaGroup": "", "companyId": "0", "lastDays": "1", "author": ""
}
headers = { 'cache-control': "no-cache", 'postman-token': "e97a99b0-424b-b2a5-7602-22cd50223c15"
}try: #Post接口调用
response = requests.request("POST", url, headers=headers, params=querystring) #对http返回值进行判断，对于200做基本校验 if response.status_code == 200:
results = json.loads(response.text) if results['total'] == 191: print "Success" else: print "Fail" print results['total'] else: #对于http返回非200的code，输出相应的code raise Exception("http error info:%s" %response.status_code)except:
traceback.print_exc()
软件测试工程师需要具备的能力 
 软件测试在国内还算是朝阳行业，市场人才缺口，发展多元化，角色也很多。
 1、测试基础及环境搭建能力 
 基础能力这块，基本上计算机专业毕业就没有太大，是软件从业者的基本能力。
 2、测试常见工具使用 
 涵盖了功能测试、接口测试、性能测试、web端及app端常见的工具，再补充几个常见的。
 3、自动化测试能力 
 从事自动化测试的话，首先要从语言开始，至少要熟练使用一到两门的脚本语言，不然Java、Python，VB、Javascript等，现在使用python语言随着大数据、人工智能的崛起，也越来越火。
 选择一门脚本语言，建议 先从Python入手，可以形成下面的Python技术栈。 
 web端的自动化测试，建议 Python+selenium+unittest 
 移动端APP自动化测试，建议 Python+Appium+unittest 
 接口自动化测试，建议 Python+requests+unittest 
 性能测试
 持续集成/持续开发/docker
 Java或者Python栈测试开发
 行业知识深耕，掌握行业特点
 以上的知识希望可以帮助测试，qa，测试开发人员。
接口测试实现方式有哪些？ 
我觉得接口测试实现的方式有很多，就比如说接口一号和接口二，就可以直接用数据线进行连接。
我们通过用jmeter、postman这些现成工具实现接口测试，其实还有很多其他实现方式，下面我们就来了解下接口测试的实现方式有哪些
①通过自研系统
有UI界面，操作方便，实现了接口测试一体化的操作
②通过python封装request、unittest
request库封装了发送网络请求，unittest管理测试脚本以及断言处理
③使用postman、jmeter、soapui现成工具
需要进行二次开发满足一些实际的接口测试需求
④开源系统
现在有很多的开源系统，但是要注意选择一些优质的开源系统来使用
我朋友当初在黑马程序员学习时候就直接整理文档给了我一份，这些也都有。
python的unittest模块能用来做多线程的单元测试吗 
待测试的类(Widget.py)
# Widget.py 
# Python 2.7.6
class Widget:
def __init__(self, size = (40,40)):
self.size = size
def getSize(self):
return self.size
def reSize(self,width,height):
if width <0 or height < 0:
raise ValueError, 'illegal size'
else:
self.size = (width,height)
return self.size
def dispose(self):
pass 
测试类(Auto.py)
# coding=utf8 
# Auto.dy 
# Python 2.7.6
from Widget import Widget #导入测试类模块Widget 
import unittest #导入unittest模块
class WidgetTestCase(unittest.TestCase): 
#让所有执行测试的类都继承于TestCase类，可以将TestCase看成是对特定类进行测试的方法的集合
#在setUp()方法中进行测试前的初始化工作。
def setUp(self):
self.widget = Widget()
#并在tearDown()方法中执行测试后的清除工作，setUp()和tearDown()都是TestCase类中定义的方法。
def tearDown(self):
self.widget = None
#测试Widget类中getSize方法
def testgetSize(self):
print "Test GetSize"
#对Widget类中getSize()方法的返回值和预期值进行比较，确保两者是相等的，
#assertEqual()也是TestCase类中定义的方法。
self.assertEqual(self.widget.getSize(), (40, 40))
#测试Widget类中reSize方法
def testreSize(self):
print "Test Resize"
#对Widget类中reSize()方法的返回值和预期值进行比较，确保两者是相等的。
#assertEqual()也是TestCase类中定义的方法。
self.assertEqual(self.widget.reSize(50,100),(50,100))
#提供名为suite()的全局方法，PyUnit在执行测试的过程调用suit()方法来确定有多少个测试用例需要被执行， 
#可以将TestSuite看成是包含所有测试用例的一个容器。 
def suite():
suite = unittest.TestSuite()
suite.addTest(WidgetTestCase("testgetSize"))#往此添加需要测试的方法testgetSize()
suite.addTest(WidgetTestCase("testreSize")) #往此添加需要测试的方法testreSize()
return suite
if __name__ == "__main__":
unittest.main(defaultTest = 'suite') #在主函数中调用全局方法. 
测试结果:
D:\Python>python27 Auto.py 
Test GetSize 
.Test Resize 
. 
------------------------------ 
Ran 2 tests in 0.004s
OK 
总结:
1。第一步:先写好测试类
2。第二步:导入unittest模块及测试的类，运用setup()方法做测试前的准备工作，如建立数据库连接，运用teardown()方法做测试后的清除工作，如取消数据库的链接，再对类中的方法逐一做测试。
3。第三步: 写suite()的全局方法，将要测试的方法，一一加入。
测试结果，有几个测试用例就有几个. 最后显示OK，表示通过。
Python语言学什么_python语言能做什么 
Python语言是一种高级编程语言，具有简单易学、可读性强、功能强大等特点。Python语言可以用于各种应用场景，包括但不限于以下几个方面：1. 网络爬虫：Python语言具有强大的网络爬虫库，如BeautifulSoup、Scrapy等，可以帮助用户快速抓取互联网上的数据。2. 数据分析与处理：Python语言拥有丰富的数据分析和处理库，如Pandas、NumPy等，可以帮助用户对大量数据进行处理、分析和可视化。3. 人工智能与机器学习：Python语言在人工智能和机器学习领域有广泛的应用，如TensorFlow、PyTorch等库可以帮助用户构建和训练深度学习模型。4. 网站开发：Python语言可以用于开发各种类型的网站，如Django、Flask等框架可以帮助用户快速搭建网站。5. 自动化脚本：Python语言可以用于编写各种自动化脚本，如自动化测试、批量处理等。总之，Python语言具有广泛的应用领域，无论是数据分析、网络爬虫、人工智能还是网站开发，Python都是一种非常强大的工具。了解更多八爪鱼采集器的功能与合作案例，请前往官网了解更多详情
这里整理了一份系统全面的Python开发学习路线，主要涉及以下知识，感兴趣的小伙伴欢迎一起来学习~
第一阶段：专业核心基础
阶段目标：
1.熟练掌握Python的开发环境与编程核心知识
2.熟练运用Python面向对象知识进行程序开发
3.对Python的核心库和组件有深入理解
4.熟练应用SQL语句进行数据库常用操作
5.熟练运用Linux操作系统命令及环境配置
6.熟练使用MySQL，掌握数据库高级操作
7.能综合运用所学知识完成项目
知识点：
Python编程基础、Python面向对象、Python高级进阶、MySQL数据库、Linux操作系统。
1、Python编程基础，语法规则，函数与参数，数据类型，模块与包，文件IO，培养扎实的Python编程基本功，同时对Python核心对象和库的编程有熟练的运用。
2、Python面向对象，核心对象，异常处理，多线程，网络编程，深入理解面向对象编程，异常处理机制，多线程原理，网络协议知识，并熟练运用于项目中。
3、类的原理，MetaClass，下划线的特殊方法，递归，魔术方法，反射，迭代器，装饰器，UnitTest，Mock。深入理解面向对象底层原理，掌握Python开发高级进阶技术，理解单元测试技术。
4、数据库知识，范式，MySQL配置，命令，建库建表，数据的增删改查，约束，视图，存储过程，函数，触发器，事务，游标，PDBC，深入理解数据库管理系统通用知识及MySQL数据库的使用与管理。为Python后台开发打下坚实基础。
5、Linux安装配置，文件目录操作，VI命令，管理，用户与权限，环境配置，Docker，Shell编程Linux作为一个主流的服务器操作系统，是每一个开发工程师必须掌握的重点技术，并且能够熟练运用。
第二阶段：PythonWEB开发
阶段目标：
1.熟练掌握Web前端开发技术，HTML，CSS，JavaScript及前端框架
2.深入理解Web系统中的前后端交互过程与通信协议
3.熟练运用Web前端和Django和Flask等主流框架完成Web系统开发
4.深入理解网络协议，分布式，PDBC，AJAX，JSON等知识
5.能够运用所学知识开发一个MiniWeb框架，掌握框架实现原理
6.使用Web开发框架实现贯穿项目
知识点：
Web前端编程、Web前端高级、Django开发框架、Flask开发框架、Web开发项目实战。
1、Web页面元素，布局，CSS样式，盒模型，JavaScript，JQuery与Bootstrap掌握前端开发技术，掌握JQuery与BootStrap前端开发框架，完成页面布局与美化。
2、前端开发框架Vue，JSON数据，网络通信协议，Web服务器与前端交互熟练使用Vue框架，深入理解HTTP网络协议，熟练使用Swagger，AJAX技术实现前后端交互。
3、自定义Web开发框架，Django框架的基本使用，Model属性及后端配置，Cookie与Session，模板Templates，ORM数据模型，Redis二级缓存，RESTful，MVC模型掌握Django框架常用API，整合前端技术，开发完整的WEB系统和框架。
4、Flask安装配置，App对象的初始化和配置，视图函数的路由，Request对象，Abort函数，自定义错误，视图函数的返回值，Flask上下文和请求钩子，模板，数据库扩展包Flask-Sqlalchemy，数据库迁移扩展包Flask-Migrate，邮件扩展包Flask-Mail。掌握Flask框架的常用API，与Django框架的异同，并能独立开发完整的WEB系统开发。
第三阶段：爬虫与数据分析
阶段目标：
1.熟练掌握爬虫运行原理及常见网络抓包工具使用，能够对HTTP及HTTPS协议进行抓包分析
2.熟练掌握各种常见的网页结构解析库对抓取结果进行解析和提取
3.熟练掌握各种常见反爬机制及应对策略，能够针对常见的反爬措施进行处理
4.熟练使用商业爬虫框架Scrapy编写大型网络爬虫进行分布式内容爬取
5.熟练掌握数据分析相关概念及工作流程
6.熟练掌握主流数据分析工具Numpy、Pandas和Matplotlib的使用
7.熟练掌握数据清洗、整理、格式转换、数据分析报告编写
8.能够综合利用爬虫爬取豆瓣网电影评论数据并完成数据分析全流程项目实战
知识点：
网络爬虫开发、数据分析之Numpy、数据分析之Pandas。
1、爬虫页面爬取原理、爬取流程、页面解析工具LXML，正则表达式，代理池编写和架构、常见反爬措施及解决方案、爬虫框架结构、商业爬虫框架Scrapy，基于对爬虫爬取原理、网站数据爬取流程及网络协议的分析和了解，掌握网页解析工具的使用，能够灵活应对大部分网站的反爬策略，具备独立完成爬虫框架的编写能力和熟练应用大型商业爬虫框架编写分布式爬虫的能力。
2、Numpy中的ndarray数据结构特点、numpy所支持的数据类型、自带的数组创建方法、算术运算符、矩阵积、自增和自减、通用函数和聚合函数、切片索引、ndarray的向量化和广播机制，熟悉数据分析三大利器之一Numpy的常见使用，熟悉ndarray数据结构的特点和常见操作，掌握针对不同维度的ndarray数组的分片、索引、矩阵运算等操作。
3、Pandas里面的三大数据结构，包括Dataframe、Series和Index对象的基本概念和使用，索引对象的更换及删除索引、算术和数据对齐方法，数据清洗和数据规整、结构转换，熟悉数据分析三大利器之一Pandas的常见使用，熟悉Pandas中三大数据对象的使用方法，能够使用Pandas完成数据分析中最重要的数据清洗、格式转换和数据规整工作、Pandas对文件的读取和操作方法。
4、matplotlib三层结构体系、各种常见图表类型折线图、柱状图、堆积柱状图、饼图的绘制、图例、文本、标线的添加、可视化文件的保存，熟悉数据分析三大利器之一Matplotlib的常见使用，熟悉Matplotlib的三层结构，能够熟练使用Matplotlib绘制各种常见的数据分析图表。能够综合利用课程中所讲的各种数据分析和可视化工具完成股票市场数据分析和预测、共享单车用户群里数据分析、全球幸福指数数据分析等项目的全程实战。
第四阶段：机器学习与人工智能
阶段目标：
1.理解机器学习相关的基本概念及系统处理流程
2.能够熟练应用各种常见的机器学习模型解决监督学习和非监督学习训练和测试问题，解决回归、分类问题
3.熟练掌握常见的分类算法和回归算法模型，如KNN、决策树、随机森林、K-Means等
4.掌握卷积神经网络对图像识别、自然语言识别问题的处理方式，熟悉深度学习框架TF里面的张量、会话、梯度优化模型等
5.掌握深度学习卷积神经网络运行机制，能够自定义卷积层、池化层、FC层完成图像识别、手写字体识别、验证码识别等常规深度学习实战项目
知识点：
1、机器学习常见算法、sklearn数据集的使用、字典特征抽取、文本特征抽取、归一化、标准化、数据主成分分析PCA、KNN算法、决策树模型、随机森林、线性回归及逻辑回归模型和算法。熟悉机器学习相关基础概念，熟练掌握机器学习基本工作流程，熟悉特征工程、能够使用各种常见机器学习算法模型解决分类、回归、聚类等问题。
2、Tensorflow相关的基本概念，TF数据流图、会话、张量、tensorboard可视化、张量修改、TF文件读取、tensorflowplayround使用、神经网络结构、卷积计算、激活函数计算、池化层设计，掌握机器学习和深度学习之前的区别和练习，熟练掌握深度学习基本工作流程，熟练掌握神经网络的结构层次及特点，掌握张量、图结构、OP对象等的使用，熟悉输入层、卷积层、池化层和全连接层的设计，完成验证码识别、图像识别、手写输入识别等常见深度学习项目全程实战。
python语言的unittest框架在执行的时候报错是什么原因？ 
改成test_dir = 'test_case1'
刚好遇到这个问题，解决了，试下在discover括号内添加字段top_level_dir="test_case1的路径"。测试路径应该是包含要运行的测试的目录，而不是单个模块的路径。