unit-testing - 我应该使用真实数据还是样本数据进行单元测试？

Question

我正在为遗留应用程序的输出编写一个解析器，由于没有关于文件语法的规范，我尽可能多地获取了这些文件的样本。

现在我在实现解析器之前编写单元测试(因为没有其他理智的方法来做到这一点)但我不确定我是否应该:

使用应用程序生成的真实文件，从中读取并将输出与我将在另一个文件中以 json 格式存储的输出进行比较。

或者创建一个包含我想要测试的 token 和可能性的示例字符串以及一个具有预期输出的 dict(这是 python)。

我倾向于使用第二种选择，因为我只会测试我需要的东西，而没有包含在实际文件中的所有“真实世界”数据，但恐怕我会忘记测试一种或另一种可能性。

你怎么认为？

Answer 1

我的建议是两者都做。编写一组集成测试，通过预期输出运行所有文件，然后使用预期输入进行单元测试以隔离解析逻辑。

我建议先编写集成测试，这样你就可以在外部编写解析器，看到一堆失败的测试可能会贬低，但它会帮助你更早地隔离边缘情况。

顺便说一句，我认为这是一个很好的问题。我最近遇到了类似的问题，即将大型 xml 提要从上游系统转换为专有格式。我的解决方案是为完整提要编写一组集成黑盒测试，测试记录计数和其他高级成功指标等内容，然后将输入分解成越来越小的块，直到我能够测试数据的所有排列。直到那时我才对如何构建解析器有了很好的了解。