Het lijkt erop dat er een verwarring is: JUnit is een testframework voor Java, niet voor Python. Voor Python zou je bijvoorbeeld pytest of unittest gebruiken. Ik zal je uitleg geven over mutatietests in Python en hoe je die kunt integreren, rekening houdend met je situatie. Wat zijn mutatietests? Mutatietests (mutatietesten) zijn een geautomatiseerde manier om de kwaliteit van je tests te beoordelen. Ze werken door kleine wijzigingen (mutaties) aan de broncode door te voeren, zoals het veranderen van operatoren of het verwijderen van code. Vervolgens checken ze of je bestaande tests deze wijzigingen detecteren. Als een mutatie niet wordt opgemerkt door je tests, betekent dat je tests mogelijk niet volledig genoeg zijn. Hoe werken mutatietests? 1. **Mutaties aanbrengen**: De tool wijzigt de code op een gecontroleerde manier. 2. **Testen uitvoeren**: Je bestaande tests worden gedraaid op de gemuteerde code. 3. **Resultaat evalueren**: Als de tests falen, heeft de mutatie "gebleven", wat goed is. Als de tests slagen, betekent dat dat je tests de mutatie niet hebben opgemerkt, en mogelijk moet je je tests uitbreiden. Welke tools kan ik gebruiken voor Python? - **MutPy**: Een populaire mutatietesttool voor Python. Het ondersteunt verschillende mutatietechnieken en werkt goed met unittest en pytest. - **Cosmic Ray**: Een andere mutatietesttool, die snel is en meerdere testframeworks ondersteunt. Stapsgewijze integratie met MutPy (bijvoorbeeld): 1. **Installatie** ```bash pip install mutpy ``` 2. **Testen uitvoeren met MutPy** Stel dat je code in `mijn_code/` staat en je tests in `tests/`. ```bash mutpy --target=mijn_code --unit-test=tests/test_*.py --output=mutations ``` 3. **Resultaten bekijken** MutPy geeft een rapport over de effectiviteit van je tests. Mutaties die niet worden opgemerkt wijzen op mogelijk te weinig gedekte code. 4. **Verbeter je tests** Gebruik de feedback om ontbrekende testgevallen toe te voegen of bestaande tests te verbeteren. **Integratie in je workflow:** - Voeg mutatietests toe als een onderdeel van je CI/CD-pipeline. - Automatiseer de mutatietest-uitvoering zodat je regelmatig je testdekking kunt evalueren. - Gebruik de rapporten om gerichte verbeteringen aan je tests te maken. **Aanbevelingen:** - Begin met het draaien van MutPy op je bestaande code en tests. - Analyseer de rapporten en identificeer zwakke plekken. - Breid je tests uit waar mutaties niet worden opgemerkt. - Herhaal het proces om de testkwaliteit verder te verbeteren. Door mutatietesten te integreren, krijg je inzicht in de kwaliteit en volledigheid van je tests en kun je deze gericht versterken.

Helaas zie ik een inconsistentie in je vraag: je vermeldt dat je programmeertaal Python is, maar je testframework is JUnit (wat een Java-testframework is). Ik zal daarom antwoorden alsof je Python gebruikt met de standaard Python-testtools, maar als je toch Java met JUnit gebruikt, laat het me weten voor een aangepast antwoord. ### Hoe Mutatietests Werken Mutatietesten (mutation testing) is een techniek om de kwaliteit van je unittests te evalueren door kleine, syntactisch correcte wijzigingen (mutaties) in je broncode aan te brengen en te controleren of je tests deze wijzigingen detecteren. **Basisprincipe:** 1. **Mutanten genereren**: Er worden kleine wijzigingen gemaakt in je code (bijvoorbeeld `+` wordt `-`, `if` voorwaarden worden omgedraaid) 2. **Tests uitvoeren**: Je testsuite wordt uitgevoerd tegen elke gemuteerde codeversie 3. **Resultaten analyseren**: - **Gedode mutante**: Een test faalt → je tests zijn effectief - **Overlevende mutante**: Geen test faalt → je tests dekken deze code onvoldoende - **Equivalente mutante**: De mutatie verandert de functionaliteit niet (zeldzaam) ### Tools voor Python 1. **MutPy** - Meest populaire mutatietesttool voor Python 2. **Cosmic Ray** - Alternatieve tool met uitgebreide mogelijkheden 3. **Mutmut** - Lichtgewicht en eenvoudig te gebruiken ### Stapsgewijze Integratie met MutPy **Stap 1: Installatie** ```bash pip install mutpy ``` **Stap 2: Basisgebruik** ```bash # Voer mutatietests uit op een module mut.py --target mijn_module --unit-test test_mijn_module -m ``` **Stap 3: Geavanceerde configuratie** Maak een configuratiebestand `mutpy.ini`: ```ini [mutpy] target = mijn_module test = test_mijn_module runner = unittest coverage = True timeout = 2 ``` **Stap 4: Integratie in CI/CD** Voeg toe aan je `.github/workflows/tests.yml` (GitHub Actions): ```yaml - name: Mutation tests run: | pip install mutpy mut.py --target mijn_module --unit-test test_mijn_module --report-html ./mutatie_rapport ``` **Stap 5: Resultaten interpreteren** - **Mutation score**: Percentage gedode mutanten (streef naar >80%) - **Overlevende mutanten**: Identificeer gaten in je testdekking - **Voeg specifieke tests toe** voor overlevende mutanten ### Best Practices 1. **Begin klein**: Test eerst kritieke modules 2. **Timeout instellen**: Voorkoor oneindige loops bij mutaties 3. **Filter mutaties**: Sla triviale mutaties over met `--mutant GENERIC` 4. **Parallel uitvoeren**: Gebruik `-j 4` voor snellere executie 5. **HTML rapport**: Genereer visuele rapporten met `--report-html` ### Voorbeeld Workflow ```python # mijn_module.py def bereken(a, b): return a + b # test_mijn_module.py import unittest from mijn_module import bereken class TestBereken(unittest.TestCase): def test_bereken(self): self.assertEqual(bereken(2, 3), 5) ``` Na mutatietesten zou een mutatie `a + b` → `a - b` gedood moeten worden door je test. **Conclusie**: Mutatietesten identificeert zwakke plekken in je testsuite die traditionele code coverage mist. Integreer het geleidelijk in je ontwikkelproces voor substantiële kwaliteitsverbetering. Als je toch JUnit met Java gebruikt, hoor ik het graag voor een aangepaste handleiding!