单元测试，或者更大一些的自动化测试，对提高软件质量是有很大帮助的。通过一系列预先设计的规则，可以覆盖大量的测试点。尤其是对重构一类的任务，确保修改前后系统行为不变很重要，而修改后的回归测试工作量又极其繁重，此时单元测试，或者自动化测试能体现出无以伦比的效率。
　　我在2005年学Python不久，郁闷于自己那点代码手工测试很麻烦，恰好那时得知了很多Python工程师有做单元测试的习惯，于是学习了一下，果然效果卓群。后来又经过数年整理出自己的一套单元测试的规范。
　　我做过的各类Python项目，代码总量的50%左右是单元测试。经过这个级别的单元测试覆盖，确保了底层函数基本不会出错，这样高层功能的调试才更方便。同时也是这个覆盖程度确保了，被测试工程师发现bug的可能性已经很低了。
　　我给自己的单元测试设置了5个级别：
　　1. Level1：正常流程可用，即一个函数在输入正确的参数时，会有正确的输出
　　2. Level2：异常流程可抛出逻辑异常，即输入参数有误时，不能抛出系统异常，而是用自己定义的逻辑异常通知上层调用代码其错误之处
　　3. Level3：极端情况和边界数据可用，对输入参数的边界情况也要单独测试，确保输出是正确有效的
　　4. Level4：所有分支、循环的逻辑走通，不能有任何流程是测试不到的
　　5. Level5：输出数据的所有字段验证，对有复杂数据结构的输出，确保每个字段都是正确的
　　如上的单元测试分级是我2007年整理出来的，后来在我做的各种项目中，一般只做到Level2，重要系统或者底层服务，要做到Level3或Level4。而很少做到Level5。即便如此，已经实现了如上所说的，很难被测试工程师发现bug。
　　除了级别外，测试方法也要区分不同系统的玩法。比如基于WEB的系统，需要确保单元测试里可以模拟发送请求，这个一般是WEB框架提供支持的。比如我常用的web.py、Flask、Django都有支持。不仅仅可以模拟简单的请求，还可以模拟POST、cookie等。另外一般建议单独写个函数来模拟登录过程，这样系统登录后行为的测试不必反复模拟登录了。
　　单元测试一大痛苦是构造测试数据。我的看法是测试数据应该是人造的，而不是随便从产品环境dump出来一份。只有人造的数据能确保环境可控，每次运行不会因为环境改变而频繁修改testcase。我的常用玩法是测试数据分为基础数据和附加数据两部分。基础数据是所有testcase共享的，比如建立几个常用角色的用户等等。附加数据是testcase内部自己建立的。这样每次testcase运行时，先清空数据库，导入基础数据，导入附加数据，然后执行测试，验证结果。
　　各类程序的函数可以分为纯函数和副作用函数。纯函数对应的是数学里函数的概念，输出和输入是一一对应的。对一个输入有确定的输出。比如1+1=2。而副作用函数则相反，同样的输入，在不同时间和环境里，可能有不同的输出。比如任何涉及IO、网络、数据库的。副作用函数的测试比纯函数麻烦的多，因为你必须要完整的构造其所依赖的所有环境，才能够复现一个副作用函数的行为。也正因为如此，副作用函数出bug的概率比纯函数高的多。理解这个概念以后，应该尽可能的把程序里的纯函数和副作用函数进行拆解，降低副作用函数的比例和逻辑复杂度。还有，副作用函数是会传染的，一个函数如果调用了副作用函数，那么它也会变成副作用函数。