Automatizando repetições

O problema não é que o teste manual deixou de ser útil. O problema é gastar tempo humano repetindo comparações que seguem sempre a mesma regra.

Automatizar não muda o raciocínio do teste

Veja um caso que já conhecemos:

Num teste automatizado, o computador executa a entrada e faz essa comparação por nós.

Conhecendo o pytest

A Cantina Horizonte usa Python. Para automatizar testes nessa linguagem, vamos usar pytest, uma ferramenta que encontra e executa testes escritos em Python.

O projeto já possui um arquivo chamado test_smoke.py. A palavra inglesa smoke aparece em smoke test, expressão usada para uma verificação rápida de que o sistema básico continua funcionando.

def test_fluxo_normal_quantidade_valida():
    assert validar_quantidade(2) is True

A palavra assert é um comando do Python usado aqui para declarar aquilo que esperamos que seja verdadeiro. Se a condição for verdadeira, o teste passa. Se não for, o teste falha.

Antes do primeiro teste automatizado

Até aqui foi possível experimentar boa parte do módulo apenas pelo navegador. Agora vamos executar código Python no seu computador.

A pasta .venv guarda um ambiente virtual do Python: uma instalação isolada para as dependências deste projeto, sem misturá-las com outros projetos do computador.

Se você já ativou esse ambiente virtual, pode usar python nos comandos a seguir. Se não ativou, no Windows use diretamente .venv\Scripts\python.exe.

Execute os primeiros testes

Com o ambiente virtual ativado:

python -m pytest

Ou, no Windows, sem ativá-lo:

.venv\Scripts\python.exe -m pytest

O comando pede ao Python que execute o módulo pytest. Ele procura arquivos e funções de teste seguindo convenções de nomes, como arquivos iniciados por test_.

No projeto inicial, as verificações básicas devem passar porque elas cobrem apenas um fluxo normal já conhecido.

Agora escreva um teste que represente a regra completa

Crie, na pasta tests, um arquivo chamado test_quantidade.py e comece com:

from backend.app import validar_quantidade


def test_quantidade_zero_deve_ser_rejeitada():
    assert validar_quantidade(0) is False

Leia o nome da função como uma frase: quantidade zero deve ser rejeitada. Um bom nome ajuda a entender qual comportamento está protegido.

Um teste vermelho pode ser uma boa notícia

Execute novamente o pytest. Na versão inicial da Cantina Horizonte, esse novo teste deve falhar.

Neste caso, o teste está expressando corretamente o requisito. A falha é uma evidência de que o comportamento atual não atende à regra.

Corrija a regra na sua cópia do projeto

A validação correta precisa considerar os dois limites:

def validar_quantidade(quantidade: int) -> bool:
    return 1 <= quantidade <= 10

Execute novamente os testes. Agora o caso de quantidade zero deve passar.

Transforme a regressão em código

Não pare no caso que acabou de ser corrigido. Acrescente outros pontos importantes:

def test_quantidade_um_deve_ser_aceita():
    assert validar_quantidade(1) is True


def test_quantidade_cinco_deve_ser_aceita():
    assert validar_quantidade(5) is True


def test_quantidade_dez_deve_ser_aceita():
    assert validar_quantidade(10) is True


def test_quantidade_onze_deve_ser_rejeitada():
    assert validar_quantidade(11) is False

Perceba como técnicas aprendidas antes continuam presentes: 0, 1, 10 e 11 vieram da análise dos limites; 5 representa uma faixa válida.

Vamos provocar uma regressão de propósito

Altere temporariamente a função para:

return 1 <= quantidade < 10

Execute os testes novamente. O caso de quantidade 10 deve falhar.

Depois restaure:

return 1 <= quantidade <= 10

Essa pequena experiência mostra por que uma suíte de regressão automatizada pode detectar rapidamente um comportamento quebrado por uma alteração.

Suíte de testes

Com o tempo, a Cantina Horizonte pode ter testes de quantidade, subtotal, cupom, estoque e outras regras. Executar o pytest pode rodar todos eles de uma vez.

Nem tudo deve ser automatizado só porque pode

Automação costuma ser especialmente útil em testes repetitivos, estáveis e importantes para regressão.

Exploração, percepção visual, experiência de uso e situações novas ainda podem exigir bastante observação humana.

Os testes passaram. Quanto do código eles realmente percorreram?

Essa pergunta nos leva à cobertura de código.

No projeto, instalamos o complemento pytest-cov. Ele adiciona informações de cobertura ao pytest.

O nome backend no comando abaixo indica a pasta que contém o código Python executado no lado do servidor da Cantina Horizonte.

python -m pytest --cov=backend --cov-report=term-missing

Se estiver usando o Python do ambiente virtual sem ativá-lo, substitua python por .venv\Scripts\python.exe.

O relatório mostra a porcentagem de linhas executadas e, com term-missing, também indica linhas que não foram percorridas pelos testes.

100% de cobertura não significa 100% de qualidade

Imagine esta função:

def validar_quantidade(qtd):
    return qtd <= 10

Um único teste com quantidade 5 pode executar a única linha da função e produzir cobertura de 100% dessa função.

Mesmo assim, quantidade 0 e valores negativos continuam errados.

Três ideias que precisam permanecer juntas

Nenhuma dessas três coisas, sozinha, prova que o software está perfeito.

E em outras linguagens?

A ideia não pertence ao Python. Em Java, por exemplo, é comum encontrar JUnit para testes e JaCoCo para cobertura. Em projetos JavaScript, ferramentas como Vitest podem cumprir papel semelhante.

Neste módulo seguimos uma única trilha prática com Python e pytest para não transformar QTS em três cursos paralelos.

Prática · construa uma pequena suíte

Agora podemos inverter a ordem

Até aqui o caminho foi:

Mas imagine que a cantina peça uma nova regra que ainda não existe:

Se já sabemos exatamente o comportamento esperado, será que podemos escrever o teste antes de implementar a regra?