有的UE画不好PPT，好的测试却靠Python加薪

                 测试开发者的共同关注！

作者：jhouyang，腾讯资深后台开发工程师。

WeTest导读

想要升职加薪，强大的专业能力很重要，好的UE要有能力设计好一款PPT，设计不好就要被嘘。那好的测试呢？好的一些测试会靠一手娴熟的Python技巧来升职加薪。本文作者jhouyang早年接触多年Python，通过本文记录早年Python的经验之谈，供大家交流学习。

百度UE总监在2016年国际体验设计大会上演讲被嘘一事已经闹得沸沸扬扬，其被嘘的原因除了主线内容偏题、格局太low、表达方式糟糕以及插播广告以外，其PPT的设计水准和其UE总监的身份严重不符成为了大家最为不满的一点。

其PPT的标题没有居中，标点符号缺失，色彩搭配硬伤等PPT设计中的低级错误让人们对他的专业能力产生了巨大的怀疑。（具体情况大家可以自行搜索“如何评价百度大 UE 总监刘超在 2016 国际体验设计大会的演讲？”）

说到这里，小编想表达的是，想要升职加薪，强大的专业能力很重要，好的UE要有能力设计好一款PPT，那好的测试呢？

好的测试一般会靠Python来升职加薪。

1. 三目操作符

学过C语言的同学，或者看过《C语言从入门到放弃》这本书的同学一定不会对“三目操作符”这种画面感十足的操作符感到陌生。

然而，直到我完成Python小学一年级课程的时候才发现原来Python也有类似的东西。比如：

def foo(val):
    if val == 42:       
       return "you are a programmer!"
    else:       
       return "you are a manong!"

或者你也可以这样写：

def foo(val):
      return "you are a programmer!" if val == 42 else "you are a manong!"

友情提示：此特技要小心使用。否则容易暴露你大师的本质。不要像撸主当年，把所有的if/else都改成神都看不懂的 "do xxx if xx else xxx"句式。

2. 会叫的都是鸭子

讲道理的话，这个应该是一个坑，而非装逼技巧。由于撸主当年是从C++党转学Python的，刚开始写代码总喜欢这样：

if isinstance('c', CPlusPlus):

assert(isinstance('python', CPlusPlus))

更变态的时候甚至这样：

assert(type('C++') == CPlusPlus))

聪明的你可能会问撸主：“type和isinstance有什么区别啊？”。可你想不到的是撸主会回答你：“自己google去“，然后留给你一个傲娇的背影。

等等！撸主你说这玩意跟“鸭子”有什么关系。事实是酱紫的，有一天撸主正在琢磨“开电脑用左手开机好，还是右手开机好，还是双手齐上好”这个宇宙终极问题时，一位高年级的大哥哥过来告诉我：“没必要这样，没必要到处assert isinstance 这种。因为Python是鸭子类型。会叫的都是鸭子。”

然后撸主问他“你会叫吗?”

友谊的小船说翻就翻……

“什么？你不知道鸭子类型？不会自己google吗？”

3. 内建函数和lamda

比如如下一个简单的例子：我需要将一个字符串列表中所有满足包含“result"字段的字符串筛选出来。

低年级的同学可能会这么做：

def foo(xxx):
      result_list = list()      
      for ele in org_list:          
          if "result" in ele:
              result_list.append(ele)

 BUT，这样做“一点都不酷！”。要酷还得靠装逼：

result_list = filter(lambda ele : "result" in ele, org_list)

 不信的话，你就去试试咯：

map(lambda ele : ele + 1, (1, 2, 3, 4))

reduce(lambda x,y:x+y, range(3))

 4. iterator和generator

这俩哥们看着很像、读着也很像。

其实不难区分，generator返回不用return，而用yield；所以你凡是看到yield的地方，很可能就是generator这装逼犯。

iterator呢，就是实现了next()方法和__iter__，__iter__方法返回它自己。而当你调用next()方法时，会返回一个值。通常，这个next值会由generator产生。

换种说法，你也可以这样理解，generator是用来生成iterator的。

闲话少说，举个栗子。

如果高年级的同学问你：小学生？怎么保证埃希不空大？你一定要回答他，最简单的generator是这样的：

generator=(i for i in xrange(0, 3))

纳尼？yield呢？哦，你要yield啊，那就这样写：

def generator():
    for i in range(3):       
        yield i

你看，我顺便又介绍了一道幼儿园考题：range和xrange的区别。

那么iterator呢？都说了generator就是用来生成iterator的啦。

generator.next() // 第一个
generator().next() // 第二个

上面只是一个简单的示例，这段简单的代码在实际的工作中并没有什么卵用。

那么它应用的场景有吗？下一次返回的结果依赖于上一次返回的结果。因为yield的作用是每次函数调用执行到这里就停止了，下次调用从yield后面的语句开始。

比如说树的遍历之类的。

5. bind

bind这种东西简直是为撸主这种懒人量身定制的，想想啊：你写一个好多好多参数的函数，没事你bind一个参数，又变成了函数A，你再换种姿势bind，又变成了函数B。

用过C++ boost库，或者对C++1x有所了解的童鞋可能知道我说的是什么了。如果没了解过，请参考上面一段话自行脑补。

其他的小节撸主介绍的都是些Python内置函数，或者'__'开头的内置方法等。这个小节撸主准备介绍一条裤。

你可能会问：撸主撸主，裤跟bind有什么关系？别急嘛，骚年。这个库是functools，里面有好几个函数都棒棒哒哦。不过这里撸主只准备介绍跟bind相似的partial方法。

看看它的用法，是不是跟bind很像？

def add(a, b):
    return a + b

plus2 = functools.partial(add, 2)
plus3 = functools.partial(add, 3)
....

6. 修饰器

1） decorator

有时候撸代码撸累了，想发发微信，找个人帮忙撸代码。你可以试试这样：@xxx 帮我打个日志。XXX就帮你打日志了。

def log(func):
    def wrap(*arg, **kargs):
          start = time.time()
          func(*arg, **kargs)
          end = time.time()         
          print " time = %.6f sec" % (end - start)
    return wrap

然后你想要打日志，又懒得撸代码了，就这样：

@log
def foo(arg):
    # do something

以下是干货，容易着火。

修饰器的本质就是对函数做些修饰，然后返回一个函数(callable object)。也就是所谓的高阶函数。

因此上面的式子不用语法糖直白的写出来就是：

foo = log(foo)

看到没，foo其实就是一个log返回的callable object wrap的别名。

举个栗子，如果需要这样的修饰器，我们应该怎么写呢？

@decro(1, 2)
def foo(*args, **kargs):
    pass

先翻译一下，先把(1,2)传给decro，然后把foo传给decro；然后你返回给我一个能接受(*args,**kargs)参数的函数：

foo = decro(1,2)(foo)

一定要记住，foo是一个callable object。事情就变得很简单了：

def decro(*args, **kargs):  # 1,2
  def wrap(func):   # foo
     def _(*args, **kargs):  # foo 也必须是一个callable
          func(*args, **kargs)   
     return _
  return wrap

哪里不会点哪里，就是这么简单。装逼技能Decorator GET！

2） wraps

到这里就结束了？如果到这里就结束了，高年级的同学知道了一定又会回来鄙视我们：你试试打印下foo函数，看看是什么？你试着打印一下：

>>> foo
<function _ at 0x7f4875b77398>

天啦噜！不是foo么，怎么变成"_"了？

别急，这个时候你需要前一节提到的那条裤了：functools，然后对你的decorator做一点小小的改动：

from functools import wraps
def decro(*args, **kargs):
   def wrap(func):
       # 看这里看这里           
       @wraps(func)
          def _(*args, **kargs):
               func(*args, **kargs)      
       return _ 
    return wrap

 然后foo就变成了:

>>> foo
<function foo at 0x7f4875b77938>

沿着修饰器继续深挖，你可以挖出所谓的函数式编程、闭包一大堆看起来很高大上的概念。可是由于撸主水平有限，只好劳烦您自行google啦。

7. descriptor

至于描述器，多的不多说了。直接看看使用前后效果对比图：

1）缘起

当时情况是这样的，撸主正在看clang Python binding的代码，看到这么一段：

class CachedProperty(object):
   def __init__(self, wrapped):
      self.wrapped = wrapped    
      try:
           self.__doc__ = wrapped.__doc__     
      except:       
           passdef __get__(self, instance, type=None):
   if instance is None:          
      return self
           value = self.wrapped(instance)
           setattr(instance, self.wrapped.__name__, value)         
      return value

当时我的心情是这样的：

2）内置方法

有点流弊啊！虽然我看不懂，但是警察叔叔早就告诉过我“外事不决问google“啊。

1. Python有三个内置函数，__set__、__get__、__delete__；

2. 只定义__get__方法，非数据描述器(non-data descriptor)；

3. 定义了__delete__ 或者 __set__ 方法的叫做数据描述器(data descriptor)；

“虽然不知道上面的话在说什么，但是感觉好厉害的样子”。嗯，不明白没关系，不明白才好装X嘛。按照Python的尿性，凡是装X的技巧都离不开Python的内置方法，也就是'__'开头、'__'结尾的方法。由于__delete__不常用，俺们只要记住__get__和__set__这个东西好了。

3）__dict__

咱么先从字典说起。看下面一个例子：

class Test(object): passTest.a = 'a'
Test.b = 'b't = Test()
t.c = 'c'
t.b = 'tb'
setattr(t, 'setkey', 'val')print Test.__dict__ 
print t.__dict__print t.aprint t.c

print t.b
print t.setkey

output是:

{'a': 'b', '__module__': '__main__', 'b': 'b', '__dict__': <attribute '__dict__' of 'Test' objects>, '__weakref__': <attribute '__weakref__' of 'Test' objects>, '__doc__': None} # 这是Test.__dict__
{'c': 'c', 'b' : 'tb', 'setkey' : 'val'} # 这是t.__dict__a # t.ac # t.c
tb # t.b
val # t.setkey

这个例子说明几点：

1. 对象和类都有个字典:__dict__

2. 在对象中查找不到的属性，会从类中查找 (t.a)

3. 对象中属性的优先级高于类中的优先级 (t.b)

4. 设置属性(set)的时候，会在对应的dict里增加元素 (Test.a =xxx, t.b = xxx)

5. setattr 跟 '=' 操作符，操作对象的属性时，看起来作用是一样的。

通常的情况下，属性查找如此简单：先找对象的__dict__，然后再找类的__dict__；都找不到就抛异常;

4）属性查找

当加入所谓的descriptor的时，事情变得稍微复杂了一点点。对于一个对象的属性，新的顺序是:

1. Python自动属性 (Python自动生成的属性，比如__doc__等)

2. 在类（及其祖先类）的__dict__中查找data descriptor，如果存在，返回data descriptor中__get__方法调用的结果

3. 在对象的__dict__中查找

4. 在类（及其祖先类）的__dict__中查找non-data descriptor，存在则返回对应__get__调用的结果

5. 在类（及其祖先类）的__dict__中查找普通属性

这样，在原来的属性查找顺序上，我们加上了non-data descriptor和data descriptor，分别插在2、4的位置上。

5）回到descriptor

A：“你说的这么多，跟descriptor有什么关系？“

B：  "对啊，对啊，一点都没教会我装逼！"

别急，骚年。

回到1）中的例子，然后再看看2）中的定义，有木有发现，这其实就是一个descriptor。这个CacheProperty有什么作用呢？ 看下面一个使用场景（这个栗子也来自clang python binding):

class Config:
    ...    @CachedProperty
    def lib(self):
        lib = self.get_cindex_library()
        register_functions(lib, not Config.compatibility_check)
        Config.loaded = True
        return lib

Config定了一个lib方法，这个方法做一些相对耗时的操作才能获得我们想要的lib对象。比如说加载配置文件：有没有办法可以做到只在第一次调用的时候加载配置文件，其他的时候都从缓存里读呢？

看CacheProperty 的实现：

1 首先它是一个non-data descriptor；

2. 第一次的时候，按照4）所述的查找顺序，

   2.1 由于Config和其对象的__dict__中没有lib，它会走到第4步；

   2.2  然后开始执行__get__方法，该方法调用lib方法，计算出lib的值value=self.wrapped(instance)   (这个wrap方法在CacheProperty __init__方法中被设置self.wrapped = wrapped, 此时wrapped就是lib方法)；

   2.3 随后调用setattr方法，将计算到的值set到对象的__dict__中

3. 之后调用的时候，由于对象的__dict__中已经有这个key了。直接返回对应的值就可以了。

这只是个non-data descriptor的例子，它验证了属性查找中non-data descriptor顺序的正确性。

对于data descriptor属性查找，可以参看下面一个例子：

class DataDesc(object):     
    def __init__(self, obj):
        print 'obj', obj
        self.obj = obj    def __set__(self, obj, val):
        print 'set called', obj, val
        self.obj.__name__ = val    def __get__(self, obj, type=None):
        print '__get__', obj, typeclass Test(object):    @DataDesc
    def foo(self):
        print 'foo'  
    def func(self):
        print 'func't = Test()print t
t.foo = 'c't.__dict__['foo'] = 'c'print t.__dict__print t.foo

当然，这里还有几个细节没有介绍: setattr, getattr 甚至于__getattribute__, __getattr__。当你弄明白了所谓的描述器，这些东西都很简单啦！随随便便google一大堆。

8. 深度魔法--metaclass

说实话，一开始让我介绍metaclass，我是拒绝的。因为装逼，有的时候还是要站在巨人的肩膀上。

喏，链接在此，拿走不谢。

http://stackoverflow.com/questions/100003/what-is-a-metaclass-in-python

纳尼，你还问我要中文翻译版？

http://blog.jobbole.com/21351/

9. 一本书

如果你只学到第8点，可能高年级的同学。还会挑战你：你那么腻害，你知道GIL么？

你可能会问：什么是GIL？然后高年级的同学肯定会鄙视你：你连GIL都不知道，肯定没看过源码吧。

你知道我只是介绍装逼特技，so，指望我这种水平去写个Python源码剖析出来是不现实的。不过我可以推书啊《Python源码剖析:深度探索动态语言核心技术》 

据说下雨天，看书跟看源码更配哦。

看完此书，你的装逼领域又可以扩展到C了哦。还可以学会一点怎么让C也面向对象，告别汪星人了。

自此，妈妈再也不用担心学C的找不到对象啦！

由于水平有限，文章缪误之处，请不吝指出！多谢！

推荐阅读：点击下方图片与文字即可阅读

Unity手游的性能问题是该类型手游发展的关键门槛，看腾讯专家如何解决Unity手游常见的性能问题！

从测试、结果分析到优化策略——浅谈服务器性能测试的全生命周期

反正闲着也是闲着，不如用一次SQL注入知识当一次黑客吧！

关于腾讯WeTest

腾讯WeTest是腾讯游戏官方推出的一站式游戏测试平台，用十年腾讯游戏测试经验帮助广大开发者对游戏开发全生命周期进行质量保障。 腾讯WeTest提供：兼容适配测试；云端真机调试；安全测试；耗电量测试；服务器压力测试；舆情监控等服务。

“阅读原文”有更多精彩内容，却很少有人会点