使用sqlalchemy生成模糊测试的数据库记录
dustbunn的Python项目详细描述
#dustbunny
***作者：**jefferson heard
***版本：**0.0.1
\introduction
dustbunny为sql数据库创建模糊记录。它基于[假设]（http://hypothesis.works/）并使用它为数据列生成随机值。直接使用dustbunny与假设的区别在于，生成相对于已经生成的值的值更容易，构造表之间关系（如外键）的生成也更容易。
dustbunny也会记录它生成的记录，因此当您完成对它们的处理后，可以将它们从数据库中删除。
使用要生成的sqla会话和orm模型创建一个generate实例。
2。更改创建函数（如果不更改，将使用默认的模型创建）
3。设置要生成的记录总数
4。使用"for_some"或"for all"设置父记录
4。设置固定值和随机值
5。设置相对值函数
6。调用`.execute（）`函数
7。提交到数据库。一般来说，您的创建函数应该只是为了速度而创建，而不是提交。
分钟，跨越预定的与会者样本（在别处定义为
），跨越预定的日期样本。它使用模型的controller class
属性创建50条记录。它练习了基于前两种策略生成固定值、随机值、
和相对值的功能：
``python
来自app.extensions import db
import importlib
来自假设导入策略，如st，settings，给定
来自dustbunny.hyp.strATegies import*
从dustbunny import生成
从dustbunny.hyp.strategies导入gfywords、gfycodes、words
在配置后导入（db.model，此处）
……
ommit=false，**kwargs）
做一些事情，，，
获取一些我们将要在固定值中使用的初始记录
org=org.query.first（）
appointment\u type=appointmenttype.query.first（）
gen=generate（db，appointment）\
。按方法（使用控制器）调用，而不是create
。num（50）\#生成50条记录
。对于固定值（对以下记录属性使用固定值
日历同步Google=false，
私有=false，
全天=false，
启用通知=false，
组织=org，
约会类型=约会类型.pk，
）。使用（使用假设策略生成以下属性
约会注册类型=st.sampled（在appointment registration type.query.all（）中，[x.pk代表x），
标题=gfywords（），尘兔策略用于生成唯一的adj名词三元组
location=gfywords（），
appt_date=st.sampled_from（date_range），
notes=words（），
生成随机单词
工资分钟=st.sampled_from（（15，30，45，60，90）），
工资代码=st.sampled from（[x.pk代表wagecode.query.all（）），
members=st.lists（st.sampled_from（workers），average_size=5，min_size=1，max_size=25）
）中的x。使用相对值_代表（
开始时间=lambda**k:k['appt_date']小时，
结束时间=lambda**k:（k['appt_date']+timedelta（minutes=k['wage_minutes']）。小时，
开始时间=lambda**k:k['appt_date']。分钟，
结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_minutes']）。分钟，
工资开始时间=lambda**k:k['appt_date'].小时，
工资结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_minutes']）.小时，
工资开始时间=lambda**k:k['appt_date'].分钟，
工资结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_m分钟，
必须=lambda**k:k['wage_minutes']>；0，
开始日期=lambda**k:k['appt_u date']，
结束日期=lambda**k:k['appt_u date']+timedelta（分钟=k['wage_minutes']，
员工约会。延长（gen.execute（））\创建记录
db.session.commit（）；我们不会在生成过程中提交，因为它需要永远。
````
orm实例
log=…数据库模型。
使用"控制器"="……一个函数。
gen=generate（db，log）\
.by_method（use_controller）\
.num（n=1）\
.for_every（
（'config'，config.query.all（））的每个排列，
（'log_start_date，date_range）52周
）。对于固定值，将记录的这些属性设置为固定值
log_stage_seq=0，
log_review_date=none
）。对于相对值，将记录的这些属性设置为基于
log_end_date=lambda*之前的所有值。kwargs:kwargs['log_start_date']+timedelta（days=7）将结束日期设置在给定配置后1周
）
logs=gen.execute（）执行插入
```
***作者：**jefferson heard
***版本：**0.0.1
\introduction
dustbunny为sql数据库创建模糊记录。它基于[假设]（http://hypothesis.works/）并使用它为数据列生成随机值。直接使用dustbunny与假设的区别在于，生成相对于已经生成的值的值更容易，构造表之间关系（如外键）的生成也更容易。
dustbunny也会记录它生成的记录，因此当您完成对它们的处理后，可以将它们从数据库中删除。
使用要生成的sqla会话和orm模型创建一个generate实例。
2。更改创建函数（如果不更改，将使用默认的模型创建）
3。设置要生成的记录总数
4。使用"for_some"或"for all"设置父记录
4。设置固定值和随机值
5。设置相对值函数
6。调用`.execute（）`函数
7。提交到数据库。一般来说，您的创建函数应该只是为了速度而创建，而不是提交。
分钟，跨越预定的与会者样本（在别处定义为
），跨越预定的日期样本。它使用模型的controller class
属性创建50条记录。它练习了基于前两种策略生成固定值、随机值、
和相对值的功能：
``python
来自app.extensions import db
import importlib
来自假设导入策略，如st，settings，给定
来自dustbunny.hyp.strATegies import*
从dustbunny import生成
从dustbunny.hyp.strategies导入gfywords、gfycodes、words
在配置后导入（db.model，此处）
……
ommit=false，**kwargs）
做一些事情，，，
获取一些我们将要在固定值中使用的初始记录
org=org.query.first（）
appointment\u type=appointmenttype.query.first（）
gen=generate（db，appointment）\
。按方法（使用控制器）调用，而不是create
。num（50）\#生成50条记录
。对于固定值（对以下记录属性使用固定值
日历同步Google=false，
私有=false，
全天=false，
启用通知=false，
组织=org，
约会类型=约会类型.pk，
）。使用（使用假设策略生成以下属性
约会注册类型=st.sampled（在appointment registration type.query.all（）中，[x.pk代表x），
标题=gfywords（），尘兔策略用于生成唯一的adj名词三元组
location=gfywords（），
appt_date=st.sampled_from（date_range），
notes=words（），
生成随机单词
工资分钟=st.sampled_from（（15，30，45，60，90）），
工资代码=st.sampled from（[x.pk代表wagecode.query.all（）），
members=st.lists（st.sampled_from（workers），average_size=5，min_size=1，max_size=25）
）中的x。使用相对值_代表（
开始时间=lambda**k:k['appt_date']小时，
结束时间=lambda**k:（k['appt_date']+timedelta（minutes=k['wage_minutes']）。小时，
开始时间=lambda**k:k['appt_date']。分钟，
结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_minutes']）。分钟，
工资开始时间=lambda**k:k['appt_date'].小时，
工资结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_minutes']）.小时，
工资开始时间=lambda**k:k['appt_date'].分钟，
工资结束时间=lambda**k:（k['appt_date']+时间增量（分钟=k['wage_m分钟，
必须=lambda**k:k['wage_minutes']>；0，
开始日期=lambda**k:k['appt_u date']，
结束日期=lambda**k:k['appt_u date']+timedelta（分钟=k['wage_minutes']，
员工约会。延长（gen.execute（））\创建记录
db.session.commit（）；我们不会在生成过程中提交，因为它需要永远。
````
orm实例
log=…数据库模型。
使用"控制器"="……一个函数。
gen=generate（db，log）\
.by_method（use_controller）\
.num（n=1）\
.for_every（
（'config'，config.query.all（））的每个排列，
（'log_start_date，date_range）52周
）。对于固定值，将记录的这些属性设置为固定值
log_stage_seq=0，
log_review_date=none
）。对于相对值，将记录的这些属性设置为基于
log_end_date=lambda*之前的所有值。kwargs:kwargs['log_start_date']+timedelta（days=7）将结束日期设置在给定配置后1周
）
logs=gen.execute（）执行插入
```
欢迎加入QQ群-->： 979659372
