Code-Qualität leicht gemacht: Wie PyLint bei der Verbesserung von Python-Code hilft

Wäre es nicht toll, wenn es einen hellwachen Helfer gäbe, der beim Schreiben von Code uns immer zur Seite steht, immer sachlich bleibt, aber unerlässlich darauf achtet, dass wir Standards einhalten und Inkonsistenzen beim Coden vermeiden? Verzage nicht, denn so etwas gibt es tatsächlich. Diese kleinen Helferlein heißen „Linter“. Lass uns einen genaueren Blick darauf werfen.

„Code-Qualität leicht gemacht: Wie PyLint bei der Verbesserung von Python-Code hilft“ weiterlesen

Continuous-Integration-Tutorial: Bitbucket Pipelines einrichten

Nachdem wir uns Continuous Integration mit GitLab und GitHub angesehen haben, fehlt noch „Bitbucket Pipelines“ in der illustren Runde. Wie wir unseren CI-Prozess mit dem Dienst von Atlassian umsetzen, steht im Folgenden im Fokus.

„Continuous-Integration-Tutorial: Bitbucket Pipelines einrichten“ weiterlesen

Testabdeckung in Python messen

Wir wissen nun, warum man testet, welche Tests es gibt und wie man mit dem unittest-Modul in Python Tests schreibt. Ganz nebenbei haben wir den testgetriebenen Ansatz (TDD) und diesen sogar bei unserem FizzBuzz-Beispielprojekt angewandt. Allerdings haben wir nicht immer den Luxus, mit einem brandneuen Projekt zu beginnen, so dass wir eventuell nicht wissen, welche Stellen im Code mit Tests gesichert sind und welche nicht. Vielleicht haben wir auch den Fall, dass wir nicht durchgehend testgetrieben entwickelt haben und nun im Nachhinein wissen möchten, welche Stellen nicht von Tests abgedeckt sind. Hier hilft das Modul „coverage“ weiter.

„Testabdeckung in Python messen“ weiterlesen