企业官网建设流程全解析

为 profanity-check 脏话检测库编写自动化测试：pytest 实战与 CI 集成完整指南

【免费下载链接】profanity-checkA fast, robust Python library to check for offensive language in strings.项目地址: https://gitcode.com/gh_mirrors/pr/profanity-check

profanity-check 是一个基于机器学习（线性 SVM）的 Python 脏话检测库，只需predict()和predict_prob()两个接口，就能快速完成敏感词与攻击性语言判断。今天这篇文章，我们将以 pytest 为主角，手把手带新手为 profanity-check 编写自动化测试，并把它接入 CI 持续集成流程，打造一套可回归、可信赖的脏话检测测试体系。

为什么脏话检测库更需要自动化测试

很多新手会问：一个「判断脏话」的库，为什么还要写测试？原因其实很关键：

• 模型行为无法肉眼穷举：profanity-check 没有硬编码黑名单，而是靠 20 万条人工标注样本训练出的模型做语义判断，输入变化多端，人工抽查根本覆盖不完。
• 回归风险高：模型重训、scikit-learn 或 joblib 升级、样本集调整，都可能让同一句话的结果「悄悄漂移」。
• 性能与准确率需要持续守护：官方基准测试中，单条预测仅约 0.2ms，测试准确率高达 95%，这些核心指标必须靠自动化测试长期盯住。

简单说：测试就是脏话检测库的「安全网」，谁都不想上线后发现predict()突然失灵。

环境准备：5 分钟快速配置 pytest 测试环境

开始之前，先准备好运行环境。假设你已经克隆了仓库：

git clone https://gitcode.com/gh_mirrors/pr/profanity-check cd profanity-check pip install -r requirements.txt pip install pytest pytest-cov

requirements.txt中已经声明了scikit-learn与joblib两个核心依赖，模型文件则存放在profanity_check/data/目录下（model.joblib和vectorizer.joblib），安装后即可直接调用。

读懂项目现有测试代码 tests/test_profanity_check.py

好消息是：这个开源项目已经内置了测试文件，位于tests/test_profanity_check.py，里面有test_accuracy和test_edge_cases两个用例，虽然用的是原生assert而非 pytest 特性，但已经展示了核心思路：

def test_accuracy(): texts = [ 'Hello there, how are you', 'fuck you', 'GO TO hElL, you dirty scum', ] assert list(predict(texts)) == [0, 1, 1]

它验证了三类关键场景：普通文本返回 0（干净）、脏话返回 1（涉脏）、大小写混合依然能被识别。源码中predict()与predict_prob()定义在profanity_check/profanity_check.py，通过profanity_check/__init__.py对外导出，测试时直接from profanity_check import predict即可。

从零编写第一个 pytest 用例：敏感词检测冒烟测试

在tests/下新建test_basic.py，写一个最基础的冒烟测试：

import pytest from profanity_check import predict, predict_prob def test_clean_text(): assert predict(['今天天气真不错'])[0] == 0 def test_profane_text(): assert predict(['fuck you'])[0] == 1 def test_prob_range(): probs = predict_prob(['clean', 'fuck you']) assert 0 <= probs[0] <= 1 assert 0 <= probs[1] <= 1

跑一下pytest tests/，看到绿色通过，你的第一个 pytest 用例就完成了。注意predict()返回的是 numpy 数组，所以取单条结果要加[0]。

边界情况与脏话变体测试：提升测试覆盖率

高质量的测试不能只测「教科书样本」，要主动攻击边界。参考原项目test_edge_cases的思路，继续补充：

def test_edge_cases(): # 空字符串、纯空格 assert list(predict(['', ' '])) == [0, 0] # 超长重复文本，确保性能不崩 assert predict(['aaaaaaa' * 100])[0] == 0 def test_known_weakness(): # 已知弱点：数字变体拼写可能漏判，先记录现状，模型改进后更新断言 print('f4ck you ->', predict(['f4ck you'])[0])

把「已知弱点」写进测试是个非常好的习惯：当未来模型重训后，这条用例会自动提醒你「弱点是否已被修复」，形成持续改进的闭环。

pytest 参数化：让测试用例更简洁高效

与其复制粘贴一堆相似断言，不如用@pytest.mark.parametrize参数化，一条用例覆盖多种输入：

@pytest.mark.parametrize("text,expected", [ ("hello world", 0), ("fuck you", 1), ("fUcK u", 1), ("go to hell, you scum", 1), ("this is a normal sentence", 0), ]) def test_predict_param(text, expected): assert predict([text])[0] == expected

跑一遍pytest -v，你能清楚看到每一条参数组合的通过情况，排查失败时一目了然。

CI 集成实战：GitHub Actions 自动跑测试

测试写好了，接下来让它「自动化」——每次提交代码、发起合并请求时自动运行，这就是 CI（持续集成）。虽然项目 README 早期用的是 Travis CI，今天我们以更主流的 GitHub Actions 为例，在仓库根目录创建.github/workflows/ci.yml：

name: CI on: [push, pull_request] jobs: test: runs-on: ubuntu-latest steps: - uses: actions/checkout@v4 - uses: actions/setup-python@v5 with: python-version: "3.11" - run: pip install -r requirements.txt pytest pytest-cov - run: pytest tests/ --cov=profanity_check --cov-fail-under=80

关键点有两个：

• 多版本矩阵：把python-version改成["3.9", "3.11"]列表，即可同时在多个 Python 版本上跑测试，防止「在我电脑上能跑」的尴尬。
• 覆盖率门槛：--cov-fail-under=80表示覆盖率低于 80% 时构建直接失败，倒逼测试质量。

之后每次 push，GitHub Actions 都会自动拉取代码、安装依赖并执行全部测试，任何回归都会第一时间在 PR 页面亮起红灯。

自动化测试最佳实践清单

最后，把这次实战的要点总结成清单，方便你直接照做：

1. 边界优先：空串、纯空格、超长文本、大小写混写都要覆盖。
2. 把弱点写进测试：如f4ck you这类数字变体，先记录现状再持续跟踪。
3. 断言概率行为：predict_prob()的输出应始终在 0~1 之间。
4. 参数化去重：同类输入用parametrize，测试代码更易维护。
5. 固定依赖版本：锁住 scikit-learn、joblib 版本，避免升级导致结果漂移。
6. 设置覆盖率门槛：在 CI 中强制--cov-fail-under，守住质量底线。
7. 回归即报警：任何模型或依赖变更，都要确保全量测试自动触发。

从读懂tests/test_profanity_check.py，到用 pytest 参数化、边界用例，再到 GitHub Actions 自动集成，一条完整的脏话检测测试链路就搭建完成了。照着这份指南动手实践一遍，你的 profanity-check 项目将从此拥有「自动守护」，任何一次改动都会在几分钟内得到可信的反馈。🚀

【免费下载链接】profanity-checkA fast, robust Python library to check for offensive language in strings.项目地址: https://gitcode.com/gh_mirrors/pr/profanity-check