Cykl: Testowanie jednostkowe w Pythonie: Jak pisać szybkie i skuteczne testy z pytest · Część 6/7

Coverage i mierzenie jakości testów w Pythonie – coverage.py i analiza pokrycia kodu

Kacper Sieradziński
Kacper Sieradziński3 lipca 2025 · 4 min czytania
Streszczenie
  • → Czym jest code coverage?
  • → Dlaczego coverage jest ważne?
  • → Instalacja coverage.py
  • → Podstawowe użycie coverage.py
Coverage i mierzenie jakości testów w Pythonie – coverage.py i analiza pokrycia kodu

Pisanie testów to tylko połowa sukcesu. Równie ważne jest wiedzieć, ile kodu rzeczywiście testujesz i które fragmenty nie są pokryte testami. Narzędzie coverage.py pozwala mierzyć pokrycie kodu testami (code coverage) i identyfikować luki w testach. W tym artykule nauczysz się używać coverage.py, interpretować raporty pokrycia, ustawiać progi jakości i wykorzystywać coverage do systematycznego podnoszenia jakości testów w Twoich projektach.

Czym jest code coverage?

Code coverage (pokrycie kodu) to metryka pokazująca, jaki procent kodu źródłowego jest wykonywany podczas testów. Coverage mierzy:

  • Linie kodu – ile linii zostało wykonanych
  • Funkcje – ile funkcji zostało wywołanych
  • Klasy – ile klas zostało użytych
  • Gałęzie (branches) – ile ścieżek wykonania zostało przetestowanych

Dlaczego coverage jest ważne?

  • 📊 Wizualizacja – widzisz, które części kodu nie są testowane
  • 🎯 Priorytetyzacja – wiesz, gdzie dodać testy
  • 📈 Śledzenie postępów – monitorujesz poprawę jakości testów
  • 🛡️ Minimalizacja ryzyka – kod bez testów to potencjalne błędy

Uwaga: 100% coverage nie oznacza, że kod jest idealnie przetestowany. Ważne jest jak testujesz, nie tylko ile. Niski coverage wskazuje jednak na braki w testach.

Jeśli dopiero zaczynasz z testowaniem, sprawdź najpierw wprowadzenie do unittest lub testowanie z pytest.

Instalacja coverage.py

Bash
1
pip install coverage

Lub z pytest-cov (integracja z pytest):

Bash
1
pip install pytest-cov

Weryfikacja instalacji:

Bash
1
coverage --version

Podstawowe użycie coverage.py

Uruchamianie testów z coverage

Najprostszy sposób – użyj coverage run:

Bash
1
2
3
4
5
6
7
8
# Z unittest
coverage run -m unittest discover

# Z pytest (bez pytest-cov)
coverage run -m pytest

# Z pytest-cov (zalecane)
pytest --cov=src --cov-report=term

Wyświetlanie raportu

Po uruchomieniu testów wygeneruj raport:

Bash
1
2
3
4
5
6
7
8
# Raport w terminalu
coverage report

# Raport HTML (zalecane)
coverage html

# Raport XML (dla CI/CD)
coverage xml

Raport w terminalu wygląda tak:

Bash
1
2
3
4
5
6
7
NameStmts MissCover
---------------------------------------------
src/calculator.py 45589%
src/utils.py30 1067%
src/api.py60 2067%
---------------------------------------------
TOTAL135 3574%

Integracja z pytest (pytest-cov)

pytest-cov to plugin pytest, który integruje coverage bezpośrednio z pytest:

Bash
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# Podstawowe użycie
pytest --cov=src

# Z raportem w terminalu
pytest --cov=src --cov-report=term

# Z raportem HTML
pytest --cov=src --cov-report=html

# Z raportem XML
pytest --cov=src --cov-report=xml

# Z określonym progiem (fail jeśli poniżej)
pytest --cov=src --cov-fail-under=80

Konfiguracja w pytest.ini

Zamiast dodawać opcje za każdym razem, możesz je skonfigurować w pytest.ini:

INI
1
2
3
4
5
6
[pytest]
addopts = 
--cov=src
--cov-report=term-missing
--cov-report=html
--cov-fail-under=80

Analiza raportów coverage

Raport terminalowy

Bash
1
coverage report

Przykładowy wynik:

Bash
1
2
3
4
5
6
7
NameStmts MissCover Missing
-------------------------------------------------------
src/calculator.py 45589% 12-14, 28, 45
src/utils.py30 1067% 15-20, 35-38
src/api.py60 2067% 10-25, 50-55
-------------------------------------------------------
TOTAL135 3574%

Interpretacja:

  • Stmts – liczba instrukcji (linii kodu)
  • Miss – liczba niepokrytych instrukcji
  • Cover – procent pokrycia
  • Missing – numery linii, które nie były wykonane

Raport HTML

Bash
1
coverage html

Raport HTML otwiera się w przeglądarce (htmlcov/index.html) i pokazuje:

  • Kolorowe oznaczenia – zielony (pokryte), żółty (częściowo), czerwony (niepokryte)
  • Szczegółowe informacje o każdym pliku
  • Interaktywne przeglądanie kodu źródłowego

To najlepszy sposób na wizualną analizę coverage!

Raport XML

Bash
1
coverage xml

Raport XML (coverage.xml) jest używany przez narzędzia CI/CD i analizy kodu (np. Codecov, Coveralls).

Konfiguracja coverage.py

Plik konfiguracyjny .coveragerc (lub pyproject.toml) pozwala skonfigurować coverage:

INI
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# .coveragerc - podstawowa konfiguracja coverage
[run]
source = src
omit = 
*/tests/*
*/test_*.py
*/__pycache__/*
*/venv/*

[report]
exclude_lines =
pragma: no cover
def __repr__
raise AssertionError
raise NotImplementedError
if __name__ == .__main__.:
if TYPE_CHECKING:
@abstractmethod

[html]
directory = htmlcov
title = Coverage Report

[xml]
output = coverage.xml

Lub w pyproject.toml:

TOML
1
2
3
4
5
6
7
8
9
10
11
12
13
14
[tool.coverage.run]
source = ["src"]
omit = [
"*/tests/*",
"*/test_*.py",
"*/__pycache__/*",
]

[tool.coverage.report]
exclude_lines = [
"pragma: no cover",
"def __repr__",
"raise AssertionError",
]

Przykład praktyczny

Kurs Python dla początkujących — PyStart

Materiały VOD + ćwiczenia

Kurs

Kurs Python dla początkujących — PyStart

Zacznij programować w Pythonie! Idealne dla osób bez doświadczenia. Praktyczne zadania, projekty i wsparcie społeczności.

699 zł
Rozpocznij naukę

Stwórzmy prosty projekt do demonstracji:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# src/calculator.py
def add(a, b):
"""Dodaje dwie liczby"""
    return a + b

def subtract(a, b):
"""Odejmuje dwie liczby"""
    return a - b

def divide(a, b):
"""Dzieli dwie liczby"""
    if b == 0:
        raise ValueError("Dzielenie przez zero!")
    return a / b

def multiply(a, b):
"""Mnoży dwie liczby"""
    return a * b

def power(a, b):
"""Potęguje a do b"""
    return a ** b

Testy:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# tests/test_calculator.py
import pytest
from src.calculator import add, subtract, divide

def test_add():
    assert add(2, 3) == 5

def test_subtract():
    assert subtract(5, 3) == 2

def test_divide():
    assert divide(10, 2) == 5

def test_divide_by_zero():
    with pytest.raises(ValueError):
        divide(10, 0)

Uruchomienie coverage:

Bash
1
pytest --cov=src --cov-report=term-missing

Wynik pokaże, że multiply i power nie są testowane:

Bash
1
2
3
4
5
NameStmts MissCover Missing
----------------------------------------------------
src/calculator.py16475% 11-12, 14-15
----------------------------------------------------
TOTAL16475%

Wykluczanie kodu z coverage

Czasami część kodu nie powinna być liczona do coverage:

Wykluczanie całych plików

W .coveragerc:

INI
1
2
3
4
5
6
# .coveragerc - wykluczanie plików z coverage
[run]
omit = 
*/tests/*
*/migrations/*
*/settings.py

Wykluczanie pojedynczych linii

Python
1
2
3
4
5
def experimental_feature():
    if False:# pragma: no cover
        # Kod, który nie jest jeszcze używany
        pass
    return "work in progress"

Wykluczanie bloków kodu

Python
1
2
3
4
5
# pragma: no cover
class LegacyCode:
    def old_method(self):
        # Stary kod, który nie wymaga testów
        pass

Wykluczanie w raportach

W .coveragerc:

INI
1
2
3
4
5
6
7
# .coveragerc - wykluczanie linii z raportów
[report]
exclude_lines =
pragma: no cover
def __repr__
if __debug__:
if TYPE_CHECKING:

Ustawianie progów coverage

Próg dla całego projektu

Bash
1
pytest --cov=src --cov-fail-under=80

Jeśli coverage spadnie poniżej 80%, testy nie przejdą.

Próg dla poszczególnych modułów

W .coveragerc:

INI
1
2
3
4
5
6
# .coveragerc - ustawienie progów dla modułów
[report]
precision = 2
show_missing = True
skip_covered = False
fail_under = 80

Coverage w CI/CD

GitHub Actions

YAML
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
# .github/workflows/tests.yml
name: Tests

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    timeout-minutes: 15
    permissions:
      contents: read
    steps:
      - uses: actions/checkout@v4

      - name: Set up Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.11'
          cache: 'pip'
          cache-dependency-path: requirements.txt

      - name: Install dependencies
        run: |
          python -m pip install --upgrade pip
          pip install -r requirements.txt
          pip install pytest pytest-cov

      - name: Run tests with coverage
        run: |
          pytest --cov=src --cov-report=xml:coverage.xml --cov-report=term

      - name: Upload coverage to Codecov
        uses: codecov/codecov-action@v4
        with:
          files: ./coverage.xml
          fail_ci_if_error: true
          verbose: true
        env:
          CODECOV_TOKEN: ${{ secrets.CODECOV_TOKEN }}

Więcej o automatyzacji testów w artykule o GitHub Actions.

GitLab CI

YAML
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# .gitlab-ci.yml
stages:
  - test

test:
  stage: test
  image: python:3.11
  script:
    - pip install --upgrade pip
    - pip install -r requirements.txt
    - pip install pytest pytest-cov
    - pytest --cov=src --cov-report=xml:coverage.xml
  coverage: '/TOTAL.*\s+(\d+%)$/'
  artifacts:
    reports:
      coverage_report:
        coverage_format: cobertura
        path: coverage.xml
    expire_in: 1 week

Analiza pokrycia – co sprawdzać?

1. Całkowite pokrycie

Bash
1
coverage report

Dąż do 80-90% coverage jako rozsądnego minimum. 100% jest często niemożliwe lub nieopłacalne.

2. Pokrycie gałęzi (branches)

Bash
1
pytest --cov=src --cov-branch

Pokrycie gałęzi sprawdza, czy wszystkie ścieżki w instrukcjach warunkowych są przetestowane:

Python
1
2
3
4
5
6
7
def process_value(value):
    if value > 0:
        return "positive"
    elif value < 0:
        return "negative"
    else:# Ta gałąź może nie być przetestowana!
        return "zero"

3. Pokrycie funkcji i klas

Bash
1
coverage report --show-missing

Sprawdź, czy wszystkie funkcje i klasy są wywołane w testach.

4. Trendy w czasie

Śledź, jak coverage zmienia się w czasie. Jeśli spada, to sygnał, że nowy kod nie jest testowany.

Najlepsze praktyki

1. Ustaw realistyczny próg

INI
1
2
3
# .coveragerc - ustawienie realistycznego progu coverage
[report]
fail_under = 80# 80% to dobry kompromis

Zbyt wysoki próg (np. 95%) może prowadzić do testów bez wartości dodanej.

2. Priorytetyzuj krytyczny kod

Nie wszystkie części kodu są równie ważne. Skup się na:

  • Logice biznesowej
  • Obsłudze błędów
  • Funkcjach bezpieczeństwa
  • Kompleksowych algorytmach

3. Ignoruj boilerplate

Wyklucz z coverage:

  • Metody __repr__, __str__
  • Properties, które tylko zwracają wartości
  • Kod tylko dla TYPE_CHECKING

4. Regularnie sprawdzaj raporty

Bash
1
2
3
# Dziennie podczas developmentu
pytest --cov=src --cov-report=html
open htmlcov/index.html

5. Używaj coverage do znajdowania luk

Raport HTML jest najlepszym narzędziem do identyfikacji niepokrytego kodu.

6. Nie gon za 100% coverage

Jakość testów > Pokrycie

Lepiej mieć 70% dobrych testów niż 100% słabych testów.

Typowe problemy i rozwiązania

Newsletter · co środę

Python co tydzień — newsletter dla programistów

Otrzymuj codzienne ćwiczenia, ciekawostki z ekosystemu Pythona i wskazówki do rozmów rekrutacyjnych.

Problem 1: Coverage pokazuje 0%

Przyczyna: Coverage nie wie, które pliki mierzyć.

Rozwiązanie: Ustaw source w .coveragerc:

INI
1
2
3
# .coveragerc - konfiguracja źródła dla coverage
[run]
source = src

Problem 2: Coverage pokazuje za mało

Przyczyna: Testy nie importują kodu lub używają mocków zamiast prawdziwego kodu.

Rozwiązanie: Sprawdź, czy testy rzeczywiście wywołują kod:

Python
1
2
3
4
5
6
7
# ✅ Dobrze - prawdziwy import
from src.calculator import add
result = add(2, 3)

# ❌ Źle - mock zamiast prawdziwego kodu
with patch('src.calculator.add'):
    pass

Problem 3: Coverage pokazuje nieprawidłowe wartości

Przyczyna: Cache coverage lub nieprawidłowa konfiguracja.

Rozwiązanie: Wyczyść cache:

Bash
1
2
coverage erase
pytest --cov=src

Integracja z narzędziami zewnętrznymi

Codecov

Codecov to platforma do śledzenia coverage w czasie:

  1. Zarejestruj się na codecov.io
  2. Dodaj token do CI/CD
  3. Prześlij raport XML:
Bash
1
2
pytest --cov=src --cov-report=xml
codecov -f coverage.xml

Coveralls

Coveralls to alternatywa dla Codecov:

Bash
1
2
pip install coveralls
coveralls

SonarQube

SonarQube analizuje nie tylko coverage, ale też jakość kodu:

Bash
1
2
pytest --cov=src --cov-report=xml
# SonarQube odczyta coverage.xml

Podsumowanie

Coverage to potężne narzędzie do mierzenia i poprawy jakości testów. Kluczowe punkty:

  • ✅ Używaj coverage.py lub pytest-cov do mierzenia pokrycia
  • ✅ Analizuj raporty HTML dla wizualnej identyfikacji luk
  • ✅ Ustaw realistyczne progi (80-90%)
  • ✅ Wykluczaj boilerplate i nieistotny kod
  • ✅ Integruj coverage z CI/CD
  • ✅ Pamiętaj: jakość testów > pokrycie

Coverage to narzędzie, które pokazuje gdzie są braki w testach, ale nie zastępuje myślenia o jak testować kod. Używaj coverage jako przewodnika, nie jako celu samego w sobie.

Co dalej?

Teraz, gdy umiesz mierzyć coverage, zastosuj to w praktyce:

Pamiętaj: coverage to metryka, która pomaga, ale nie zastępuje dobrego myślenia o testach. Pisz wartościowe testy, a coverage będzie rosło naturalnie!

Część 7 z 7

Automatyzacja testów w GitHub Actions – CI/CD dla projektów Python

druga lekcja cyklu „Testowanie jednostkowe w Pythonie: Jak pisać szybkie i skuteczne testy z pytest"

Czytaj kolejny →