这个问题的背景是 Python。
假设检验库(即基于属性的检验): https://hypothesis.readthedocs.io/en/latest/
最佳答案
这些是非常不同的野兽，但都可以提高测试的值(value)和质量。这两种工具都有助于并使“我的代码覆盖率为 N%”的声明更有意义。
Hypothesis将帮助您在定义的范围内为被测函数生成各种测试输入。
通常，当您需要测试一个函数时，您会提供多个示例值，试图涵盖代码覆盖率报告驱动的所有用例和边缘情况 - 这就是所谓的“基于示例的测试”。另一方面，假设实现基于属性的测试，生成一大堆不同的输入和输入组合，有助于捕获不同的常见错误，例如被零除、None、0、差一错误等并帮助找到隐藏的错误。
Mutation testing就是在针对修改后的代码版本执行测试时，即时更改被测代码。
这确实有助于了解您的测试是否真正测试了它们应该测试的内容，从而了解您的测试的值(value)。如果您已经拥有丰富的测试代码库和良好的代码覆盖率，那么变异测试将会大放异彩。
帮助我理解这些概念的是这些 Python 播客:
关于python - 基于属性的测试和突变测试有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38704037/