使用 python-hypothesis 处理断言/异常

Question

在使用hypothesis 库对程序代码中的断言进行基于属性的测试时，什么被认为是最佳实践？

我创建了一个非常简单的函数来说明我的观点。该函数只是将两个数字相除。如果分母为零，我提出了一个失败的断言。

当我运行测试时，由于断言错误，一旦hypothesis 为参数b（分母）选择0，它就会失败。但是，函数中的断言是为了处理这种特殊情况。

from hypothesis import given
from hypothesis import strategies as st


def divide(a: float, b: float) -> float:
    assert b != 0, "Denominator must not be zero!"

    return a / b


@given(b=st.floats())
def test_divide(b):
    assert isinstance(divide(100, b), (int, float))

我应该如何调整代码以使参数值b=0 的测试通过？什么是pythonic方式？

编辑：
在我看来，建议的重复问题 (Exception handling and testing with pytest and hypothesis) 并不能解决问题。

如果我使用以下代码会发生什么？

@given(b=st.floats())
def test_divide(b):
    try:
        assert isinstance(divide(100, b), (int, float))
    except AssertionError:
        assume(False)

据我了解，只要try 块中的断言为False，except-path 就会被执行，并且特定的测试用例将被忽略。也就是说，每个真正的测试失败（由hypothesis 发现）都将被忽略。

与建议的重复问题相比，我的divide-函数将抛出AssertionError 而不是ZeroDivisionError 用于b=0。每个其他失败的测试用例也会导致AssertionError (try-block)。

Answer 1

@given(b=st.floats())
def test_divide(b):
    assume(b != 0)
    assert isinstance(divide(100, b), (int, float))

假设告诉假设b == 0 是一个坏例子，并忽略它。

请记住，使用浮动策略，您还将获得Nan 和-Nan - 您可以在策略中使用allow_infinity=False 禁用此功能。修改策略后，还可以添加min_value=1 或min_value=0.00000001 以防止0