C++ 单元测试与代码覆盖率测试方法

前言

测试是软件开发过程中一个必须的环节，测试确保软件的质量符合预期。

对于工程师自己来说，单元测试也是提升自信心的一种方式。

直接交付没有经过测试的代码是不太好的，因为这很可能会浪费整个团队的时间，在一些原本早期就可以发现的问题上。而单元测试，就是发现问题一个很重要的环节。

本文以C++语言为基础，讲解如何进行单元测试并生成测试报告。

在工具上，我们会使用下面这些：

• GCC

• CMake

• Google Test

• gcov

• lcov

参考演示项目：

https://github.com/guaiguaibao/gtest-and-coverage

项目结构

演示项目的目录结构如下：

.
├── CMakeLists.txt
├── googletest-release-1.8.1.zip
├── include
│   └── utility.h
├── make_all.sh
├── src
│   └── utility.cpp
└── test
    └── unit_test.cpp

这里演示的内容是：以测试一个我们要提供的软件库为例，讲解如何对其进行单元测试并生成测试报告。

为了简单起见，这个软件库只有一个头文件和一个实现文件。

当然，在实际上的项目中，一个软件库会通常包含更多的文件，不过这并不影响我们要说明的问题。

关于CMake

演示项目中的CMakeLists.txt内容如下：

cmake_minimum_required(VERSION 2.8.11) ①
project(utility) ②
​
set(CMAKE_CXX_STANDARD 11) ③
​
set(GTEST googletest-release-1.8.1) ④
include_directories("./include" "${GTEST}/googletest/include/")
link_directories("build/gtest/googlemock/gtest/")
​
SET(CMAKE_CXX_FLAGS  "${CMAKE_CXX_FLAGS} --coverage") ⑤
​
add_library(${CMAKE_PROJECT_NAME}_lib src/utility.cpp) ⑥
​
add_executable(unit_test test/unit_test.cpp) ⑦
target_link_libraries(unit_test ${CMAKE_PROJECT_NAME}_lib gtest gtest_main pthread) ⑧

以编号为序，这段代码说明如下：

1. 设置使用的CMake最低版本号为2.8.11。

2. 指定项目的名称为”utility”，项目名称可以通过${CMAKE_PROJECT_NAME}进行引用。

3. 指定使用C++11。

4. 这里的三行是编译google test，并将其头文件路径和编译结果的库文件路径添加到环境中。因为后面在编译单元测试代码的时候需要用到。

5. 添加--coverage到编译器flag中，这个参数是很重要的，因为这是生成代码覆盖率所必须的。

6. 编译我们的软件库，这里将生成libutility_lib.a库文件。

7. 编译单元测试的可执行文件。

8. 单元测试的可执行文件需要链接我们开发的软件库以及google test的库。另外，google test依赖了pthread，所以这个库也需要。

关于测试

软件测试有很多种分类方式。从测试的级别来说，可以大致分为：

• 单元测试

• 集成测试

• 系统测试

这其中，单元测试是最局部和具体的。它通常需要对代码中的每一个类和函数进行测试。

单元测试通常由开发者完成，需要针对代码逻辑进行测试。所以它是一种白盒测试。

关于xUnit

xUnit是几种单元测试框架的总称。最早源于Smalltalk的单元测试框架SUnit，它是由Kent Beck开发的。

除此之外，还有针对Java语言的JUnit，针对R语言的RUnit。

在本文中，我们使用Google开发的xUnit框架：Google Test。

Google Test介绍

Google Test的项目主页在Github上。

实际上，这个项目中同时包含了GoogleTest和GoogleMock两个工具，本文中我们只会讲解第一个。

Google Test支持的操作系统包含下面这些：

• Linux

• Mac OS X

• Windows

• Cygwin

• MinGW

• Windows Mobile

• Symbian

目前有很多的项目都使用了Google Test，例如下面这些：

• Chromium projects

• LLVM

• Protocol Buffers

• OpenCV

• tiny-dnn

编译Google Test

为了便于读者使用，我们在演示项目中包含了Google Test 1.8.1的源码压缩包。并且在CMake文件中，同时包含了Google Test的编译和使用配置工作。

如果使用演示项目，读者将不需要手动处理Google Test的编译和安装工作。

使用Google Test

演示项目代码说明

为了便于下文说明，演示项目中包含了几个简单的函数。

演示项目中的软件库包含一个头文件和一个实现文件。头文件内容如下：

// utility.h
​
#ifndef INCLUDE_UTILITY_
#define INCLUDE_UTILITY_
​
enum CalcType {
    ADD,
    MINUS,
    MULTIPLE,
    DIVIDE
};
​
class Utility {
public:
    int ArithmeticCalculation(CalcType op, int a, int b);
​
    double ArithmeticCalculation(CalcType op, double a, double b);
​
    bool IsLeapYear(int year);
};
​
#endif

这个头文件说明如下：

• 头文件包含了三个函数，前两个用来做int和double类型的四则运算。最后一个判断输入的年份是否是闰年。

• 当然，在实际的工程中，前两个函数合并实现为一个泛型函数更为合适。但这里之所以分成两个，是为了查看代码覆盖率所用。

• 关于 闰年 说明如下：

• • 能被4整除但不能被100整除的年份为普通闰年。

  • 能被100整除，也同时能被400整除的为世纪闰年。

  • 其他都不是闰年。

  • 例如：1997年不是闰年，2000年是闰年，2016年是闰年，2100不是闰年。

这三个函数的实现也不复杂：

// utility.cpp
​
#include "utility.h"
​
#include 
#include 
​
using namespace std;
​
int Utility::ArithmeticCalculation(CalcType op, int a, int b) {
    if (op == ADD) {
        return a + b;
    } else if (op == MINUS) {
        return a - b;
    } else if (op == MULTIPLE) {
        return a * b;
    } else {
        if (b == 0) {
            cout << "CANNO Divided by 0" << endl;
            return std::numeric_limits::max();
        }
        return a / b;
    }
}
​
double Utility::ArithmeticCalculation(CalcType op, double a, double b) {
    if (op == ADD) {
        return a + b;
    } else if (op == MINUS) {
        return a - b;
    } else if (op == MULTIPLE) {
        return a * b;
    } else {
        if (b == 0) {
            cout << "CANNO Divided by 0" << endl;
            return std::numeric_limits::max();
        }
        return a / b;
    }
}
​
bool Utility::IsLeapYear(int year) {
    if (year % 100 == 0 && year % 400 == 0) {
        return true;
    }
    if (year % 100 != 0 && year % 4 == 0) {
        return true;
    }
    return false;
}

开始测试

接下来我们就要对上面这些代码进行测试了。

要使用Google Test进行测试，整个过程也非常的简单。只要进行下面三部：

1. 创建一个测试用的cpp文件

2. 为上面这个测试用的cpp文件编写Makefile（或者CMake文件）。同时链接：

• 待测试的软件库

• gtest库

• gtest_main库

• pthread库（Google Test使用了这个库所以需要）

编写测试代码，编译并运行测试的可执行程序。

并且，测试代码写起来也非常的简单，像下面这样：

#include "utility.h"
​
#include "gtest/gtest.h"
​
TEST(TestCalculationInt, ArithmeticCalculationInt) {
    Utility util;
    EXPECT_EQ(util.ArithmeticCalculation(ADD, 1, 1), 2);
    EXPECT_EQ(util.ArithmeticCalculation(MINUS, 2, 1), 1);
    EXPECT_EQ(util.ArithmeticCalculation(MULTIPLE, 3, 3), 9);
    EXPECT_EQ(util.ArithmeticCalculation(DIVIDE, 10, 2), 5);
    EXPECT_GT(util.ArithmeticCalculation(DIVIDE, 10, 0), 999999999);
}

是的，就是这么简单的几行代码，就对整数四则运算的函数进行了测试。

TEST后面所包含的内容称之为一条case，通常我们会为每个函数创建一个独立的case来进行测试。一个测试文件中可以包含很多条case。同时，一条case中会包含很多的判断（例如EXPECT_EQ...）。

注意：在做单元测试的时候，保证每条case是独立的，case之间没有前后依赖关系是非常重要的。

当然，测试代码中包含的判断的多少将影响测试结果的覆盖率。所以在编写每条case的时候，我们需要仔细思考待测试函数的可能性，有针对性的进行测试代码的编写。

这段代码应该很好理解，它分别进行了下面这些测试：

• 1 + 1 = 2

• 2 - 1 = 1

• 3 x 3 = 9

• 10 / 2 = 5

• 10 / 0 > 999999999

你可能会发现，这段代码里面甚至没有main函数。它也依然可以生成一个可执行文件。这就是我们链接gtest_main所起的作用。

在实际的测试过程中，你想判断的情况可能不止上面这么简单。下面我们来看看Google Test还能做哪些测试。

测试判断

Google Test对于结果的判断，有两种形式：

• ASSERT_*：这类判断是Fatal的。一旦这个判断出错，则直接从测试函数中返回，不会再继续后面的测试。

• EXPECT_*：这类判断是Nonfatal的。它的效果是，如果某个判断出错，则输出一个错误信息，但是接下来仍然会继续执行后面的测试。

可以进行的判断方法主要有下面这些：

对于条件判断可以使用：

ASSERT_TRUE(condition);  // 判断条件是否为真
ASSERT_FALSE(condition); // 判断条件是否为假

对于数值比较可以使用：

ASSERT_EQ(val1, val2); // 判断是否相等
ASSERT_NE(val1, val2); // 判断是否不相等
ASSERT_LT(val1, val2); // 判断是否小于
ASSERT_LE(val1, val2); // 判断是否小于等于
ASSERT_GT(val1, val2); // 判断是否大于
ASSERT_GE(val1, val2); // 判断是否大于等于

说明：

• EQ：EQual

• NE：Not Equal

• LT：Less Than

• LE：Less Equal

• GT：Greater Than

• GE：Greater Equal

对于字符串比较可以使用：

ASSERT_STREQ(str1,str2); // 判断字符串是否相等
ASSERT_STRNE(str1,str2); // 判断字符串是否不相等
ASSERT_STRCASEEQ(str1,str2); // 判断字符串是否相等，忽视大小写
ASSERT_STRCASENE(str1,str2); // 判断字符串是否不相等，忽视大小写

对于浮点数判断可以使用:

//期待GetValueFloat 返回值等于3.1
EXPECT_FLOAT_EQ(GetValueFloat(),3.1); 
EXPECT_DOUBLE_EQ(GetValueDouble(),3.1);
//期待GetValueFloat返回值，在2.9和3.9之间
EXPECT_NEAR(GetValueFloat(1),3.4,0.5); 

Test Fixture

在某些情况下，我们可能希望多条测试case使用相同的测试数据。例如，我们的演示项目中，每条case都会需要创建Utility对象。

有些时候，我们要测试的对象可能很大，或者创建的过程非常的慢。这时，如果每条case反复创建这个对象就显得浪费资源和时间了。此时，我们可以使用Test Fixture来共享测试的对象。

要使用Test Fixture我们需要创建一个类继承自Google Test中的::testing::Test。

还记得我们前面说过，我们要尽可能的保证每条测试case是互相独立的。但是，当我们在多条case之间共享有状态的对象时，就可能出现问题。

例如，我们要测试的是一个队列数据结构。有的case会向队列中添加数据，有的case会从队列中删除数据。case执行的顺序不同，则会导致Queue中的数据不一样，这就可能会影响case的结果。

为了保证每条case是独立的，我们可以在每条case的执行前后分别完成准备工作和清理工作，例如，准备工作是向队列中添加三个数据，而清理工作是将队列置空。

这两项重复性的工作可以由::testing::Test类中的Setup和TearDown两个函数来完成。

我们演示用的Utility类是无状态的，所以不存在这个问题。因此，这里我们仅仅在Setup和TearDown两个函数中打印了一句日志。

使用Test Fixture后，我们的代码如下所示：

class UtilityTest : public ::testing::Test {

protected:

void SetUp() override {
    cout << "SetUp runs before each case." << endl;
}

void TearDown() override {
    cout << "TearDown runs after each case." << endl;
}

Utility util;

};

这段代码说明如下：

1. Setup和TearDown两个函数标记了override以确认是重写父类中的方法，这是C++11新增的语法。

2. 我们的Utility类是无状态的，因此Setup和TearDown两个函数中我们仅仅打印日志以便确认。

3. 将Utility util设置为protected以便测试代码中可以访问。（从实现上来说，测试case的代码是从这个类继承的子类，当然，这个关系是由Google Test工具完成的）。

要使用这里定义的Test Fixture，测试case的代码需要将开头的TEST变更为TEST_F。

这里_F就是Fixture的意思。

使用TEST_F的case的代码结构如下：

TEST_F(TestCaseName, TestName) {
  ... test body ...
}

这里的TestCaseName必须是Test Fixture的类名。

所以我们的测试代码写起来是这样：

TEST_F(UtilityTest, ArithmeticCalculationDouble) {
    EXPECT_EQ(util.ArithmeticCalculation(ADD, 1.1, 1.1), 2.2);
}

TEST_F(UtilityTest, ArithmeticCalculationIsLeapYear) {
    EXPECT_FALSE(util.IsLeapYear(1997));
    EXPECT_TRUE(util.IsLeapYear(2000));
    EXPECT_TRUE(util.IsLeapYear(2016));
    EXPECT_FALSE(util.IsLeapYear(2100));
}

运行测试

编写完单元测试之后，再执行编译工作便可以运行测试程序以查看测试结果了。

测试的结果像下面这样

如果测试中包含了失败的case，则会以红色的形式输出。同时，会看到失败的case所处的源码行数，这样可以很方便的知道哪一个测试失败了，像下面这样：

 

如果只想有选择性的跑部分case，可以通过--gtest_filter参数进行过滤，这个参数支持*通配符。

像下面这样：

$ ./build/unit_test --gtest_filter=*ArithmeticCalculationInt
Running main() from googletest/src/gtest_main.cc
Note: Google Test filter = *ArithmeticCalculationInt
[==========] Running 1 test from 1 test case.
[----------] Global test environment set-up.
[----------] 1 test from TestCalculationInt
[ RUN      ] TestCalculationInt.ArithmeticCalculationInt
CANNO Divided by 0
[       OK ] TestCalculationInt.ArithmeticCalculationInt (0 ms)
[----------] 1 test from TestCalculationInt (0 ms total)

[----------] Global test environment tear-down
[==========] 1 test from 1 test case ran. (0 ms total)
[  PASSED  ] 1 test.

进阶语法

• ASSERT_PRED1

使用场景: 自定义判断函数 对函数进行的值进行测试 在这个场景里，我们要测试add函数，但是判断条件比较复杂，所以用函数的形式写了一个判定条件 isGreaterThan10。

EXPECT_PRED2 的下标是2，代表自定义的判定函数有2个参数。当自定义函数有3个 参数时，则用ASSERT_PRED3,以此类推。

//  EXPECT_PRED2, 使用场景: 自定义判断函数 对函数进行的值进行测试
bool isGreaterThan10(short a ,short b)
{
    return add(a,b)>=10;
}
TEST(HelloGtest, case_EXPECT_PRED2_success)
{
    EXPECT_PRED2(isGreaterThan10,5,5);
}

使用返回值为布尔类型的函数进行判定

• AssertionResult

使用场景: 自定义判断函数,并输出额外信息 AssertionResult 作为返回值是 自定义函数的另外一种用法，当判定出错时，则可以通过AssertionFailure输出额外的信息。

// AssertionResult, 使用场景: 自定义判断函数,并输出额外信息
 
AssertionResult  isGreaterThan10_result(short a ,short b)
{
    if (add(a,b)>=10)
    {
        return AssertionSuccess() ;
    }
    return AssertionFailure() << "add " < 
  
AssertionResult 作为返回值，正确时，返回 AssertionSuccess();
 
  
错误时，返回AssertionFailure(); 同时通过重载符 <<输出错误信息
 
  
 
   
 
EXPECT_PRED_FORMAT2
 
 
  
 
  
使用场景: 错误时，完全自定义错误消息 如果你已经厌倦gtest一层不变的输出，想加一些自定义的中文输出，就请用EXPECT_PRED_FORMAT2 来彻底改写gtest的输出风格吧
 
  
// EXPECT_PRED_FORMAT2, 使用场景: 错误时，完全自定义错误消息
 
AssertionResult  isGreaterThan10_format(const char* a_expr,const char* b_expr,int a ,int b) 
{
     if (add(a,b)>=10)
        return AssertionSuccess() ;
    return AssertionFailure() << "添加 " < 
  
如果你对(ASSERT|EXPECT)PRED*?and?(ASSERT|EXPECT)(TRUE|FALSE) 输出格式不满意, 你可以自定义输出的消息格式
 
  
 
  
EXPECT_PRED_FORMAT2的语法格式
 
  
AssertionResult PredicateFormattern(const char* expr1,
                                    const char* expr2,
                                    const char* exprn,
                                    T1 val1,   
                                    T2 val2,
                                    Tn valn);
 
  
 
   
 
ADD_FAILURE
 
 
  
 
  
使用场景: 显示地申明错误 本例中，对default情况，主动报错。
 
  
//显示得错误申明
void checkValue(int value)
{
    switch(value)
    {
        case 1: SUCCEED();break;
        case 0: SUCCEED();break;
        case -1:SUCCEED();break;
        default:ADD_FAILURE();
    }
}
TEST(HelloGtest, case_ADD_FAILURE)
{
   int value=compare(2,1);
   checkValue(value);
}
 
  
显示申明成功或失败，
 
  
SUCCEED();
FAIL();  
ADD_FAILURE();  
ADD_FAILURE_AT("file_path", line_number);
 
  
SUCCEED表示执行到当前位置时，状态是正确的。不会产生其他消息 FAIL() 会触发致命错误，整个case会终止, ADD_FAILURE() and ADD_FAILURE_AT() 只是触发一般错误，case不会终止 注意: 你只能在返回值为void的函数里使用FAIL().
 
  
 
   
 
EXPECT_DEATH
 
 
  
 
  
使用场景: 检验程序的退出码，退出信号，退出时打印的字符串 有人问，程序的异常退出码可以用gtest测试吗？回答当然是可以的。case_EXPECT_DEATH 里，GetNullPointer 获取空指针，程序异常退出前输出 Pointer XX is null，则可以被gtest框架捕捉到。并进行判定。 要注意的是 EXPECT_DEATH 第二个参数是一个 matcher,是可以对字符串进行正则表达式 匹配。
 
  
EXPECT_DEATH(statement, matcher);
 
  
TEST(DeathTest, case_EXPECT_DEATH)
{
   EXPECT_DEATH(
   {
        const char * p=GetNullPointer(2);
        fprintf(stderr,"Pointer %d is null",&p);
        fflush(stderr);
        if (p[0]=='T')
            printf("Should not enter here");
   },
   "\\d is null");
}
 
  
NormalExit 则是另外一个例子，当程序通过exit退出的错误码，也可以通过gtest 进行验证。
 
  
TEST(DeathTest, NormalExit) 
{
  EXPECT_EXIT( exit(456) ,ExitedWithCode(456), "");
}
 
  
 
   
 
SCOPED_TRACE
 
 
  
 
  
使用场景：判断失败时，显示帮助信息，包括文件和行号 本例中，如果case失败时，则在子函数SubFunction里，通过SCOPED_TRACE输出额外信息，便于跟踪调试
 
  
void SubFunction()
{
    SCOPED_TRACE("TEST: SubFunction");
    ASSERT_TRUE(0);
}
TEST(HelloGtest, case_SCOPED_TRACE)
{
    int flag  = 0;
    int *p= UC::GetIntData(flag);
    SubFunction();
}
 
  
SCOPED_TRACE 可以添加到子函数中，用来补充错误时的信息
 
  
SCOPED_TRACE(message);
 
  
代码覆盖率
 
  
在进行单元测试之后，我们当然希望能够直观的看到我们的测试都覆盖了哪些代码。
 
  
理论上，如果我们能做到100%的覆盖我们的所有代码，则可以说我们的代码是没有Bug的。
 
  
 
   
但实际上，100%的覆盖率要比想象得困难。对于大型项目来说，能够达到80% ~ 90%的语句覆盖率就已经很不错了。
 
  
 
  
众所周知，测试可以提高软件版本的质量和可预测性。但是，你知道你的单元测试甚至是你的功能测试实际测试代码的效果如何吗？是否还需要更多的测试？
 
  
这些是代码覆盖率可以试图回答的问题。总之，出于以下原因我们需要测量代码覆盖率：
 
  
 
   
 
了解我们的测试用例对源代码的测试效果
 
 
   
 
了解我们是否进行了足够的测试
 
 
   
 
在软件的整个生命周期内保持测试质量
 
 
  
 
  
注：代码覆盖率不是灵丹妙药，覆盖率测量不能替代良好的代码审查和优秀的编程实践。
 
  
通常，我们应该采用合理的覆盖目标，力求在代码覆盖率在所有模块中实现均匀覆盖，而不是只看最终数字的是否高到令人满意。
 
  
举例：假设代码覆盖率只在某一些模块代码覆盖率很高，但在一些关键模块并没有足够的测试用例覆盖，那样虽然代码覆盖率很高，但并不能说明产品质量就很高。
 
  
覆盖率的类型
 
  
先来看一下，当我们在说“覆盖率”的时候我们到底是指的什么。
 
  
实际上，代码覆盖率有下面几种类型：
 
  
 
   
 
函数覆盖率：描述有多少比例的函数经过了测试。
 
 
   
 
语句覆盖率：描述有多少比例的语句经过了测试。
 
 
   
 
分支覆盖率：描述有多少比例的分支（例如：if-else，case语句）经过了测试。
 
 
   
 
条件覆盖率：描述有多少比例的可能性经过了测试。
 
 
  
 
  
这其中，函数覆盖率最为简单，就不做说明了。
 
  
语句覆盖率是我们最常用的。因为它很直观的对应到我们写的每一行代码。
 
  
而分支覆盖率和条件覆盖率可能不太好理解，需要做一下说明。
 
  
以下面这个C语言函数为例：
 
  
int foo (int x, int y) {
    int z = 0;
    if ((x > 0) && (y > 0)) {
        z = x;
    }
    return z;
}
 
  
这个函数中包含了一个if语句，因此if语句成立或者不成立构成了两个分支。所以如果只测试了if成立或者不成立的其中之一，其分支覆盖率只有 1/2 = 50%。
 
  
而条件覆盖率需要考虑每种可能性的情况。
 
  
对于if (a && b)这样的语句，其一共有四种可能的情况：
 
  
 
   
 
a = true, b = true
 
 
   
 
a = true, b = false
 
 
   
 
a = false, b = true
 
 
   
 
a = false, b = false
 
 
  
 
  
 
   
请读者思考一下：对于三层if嵌套，每个if语句包含三个布尔变量的代码，如果要做到100%的条件覆盖率，一共要测试多少种情况。 很显示，在编写代码的时候，尽可能的减少代码嵌套，并且简化逻辑运算是一项很好的习惯。 便于测试的代码也是便于理解和维护的，反之则反。
 
  
 
  
有了这些概念之后，我们就可以看懂测试报告中的覆盖率了。
 
  
工作原理
 
  
代码覆盖率测量主要有以下三种方式：
 
  
1. Source code instrumentation - 源代码检测
 
  
将检测语句添加到源代码中，并使用正常的编译工具链编译代码以生成检测的程序集。这是我们常说的插桩，Gcov 是属于这一类的代码覆盖率工具。
 
  
2. Runtime instrumentation - 运行时收集
 
  
这种方法在代码执行时从运行时环境收集信息以确定覆盖率信息。以我的理解 JaCoCo 和 Coverage 这两个工具的原理属于这一类别。
 
  
3. Intermediate code instrumentation - 中间代码检测
 
  
通过添加新的字节码来检测编译后的类文件，并生成一个新的检测类。说实话，我 Google 了很多文章并找到确定的说明哪个工具是属于这一类的。
 
  
了解这些工具的基本原理，结合现有的测试用例，有助于正确的选择代码覆盖率工具。比如：
 
  
 
   
 
产品的源代码只有 E2E（端到端）测试用例，通常只能选择第一类工具，即通过插桩编译出的可执行文件，然后进行测试和结果收集。
 
 
   
 
产品的源代码有单元测试用例，通常选择第二类工具，即运行时收集。这类工具的执行效率高，易于做持续集成。
 
 
  
 
  
主流工具
 
  
代码覆盖率的工具有很多，以下是我用过的不同编程语言的代码覆盖率工具。在选择工具时，力求去选择那些开源、流行（活跃）、好用的工具。
 
  
 
  
gcov
 
  
gcov是由GCC工具链提供的代码覆盖率生成工具。它可以很方便的和GCC编译器配合使用。
 
  
通常情况下，安装好GCC工具链，也就同时包含了gcov命令行工具。
 
  
 
   
对于代码覆盖率工具所做的工作，可以简单的理解为：标记一次运行过程中，哪些代码被执行过，哪些没有执行。 因此，即便没有测试代码，直接运行编译产物也可以得到代码的覆盖率。只不过，通常情况下这样得到的覆盖率较低罢了
 
  
 
  
工作流程
 
  
 
  
主要分三步：
 
  
 
   
 
在 GCC 编译的时加入特殊的编译选项，生成可执行文件，和 *.gcno；
 
 
   
 
运行（测试）生成的可执行文件，生成了 *.gcda 数据文件；
 
 
   
 
有了 *.gcno 和 *.gcda，通过源码生成 gcov 文件，最后生成代码覆盖率报告。
 
 
  
 
  
使用
 
  
这里我们以另外一个简单的代码示例来说明gcov的使用。
 
  
这段代码如下：
 
  
// test.c

#include 

int main (void) {

  for (int i = 1; i < 10; i++) {
      if (i % 3 == 0)
        printf ("%d is divisible by 3\n", i);
      if (i % 11 == 0)
        printf ("%d is divisible by 11\n", i);
  }

  return 0;
}
 
  
 
 
  
这是一个仅仅包含了main函数的c语言代码，main函数的逻辑也很简单。
 
  
我们将这段代码保存到文件test.c。
 
  
要通过gcov生成代码覆盖率。需要在编译时，增加参数--coverage：
 
  
gcc --coverage test.c
 
  
 
   
--coverage等同于编译参数-fprofile-arcs -ftest-coverage以及在链接时增加-lgcov。
 
  
 
  
此处的编译结果除了得到可执行文件a.out，还会得到一个test.gcno文件。该文件包含了代码与行号的信息，在生成覆盖率时会需要这个文件。
 
  
 
   
很显然，带--coverage编译参数得到的编译产物会比不带这个参数要包含更多的信息，因此编译产物会更大。所以这个参数只适合在需要生成代码覆盖率的时候才加上。对于正式发布的编译产物，不应该添加这个编译参数。
 
  
 
  
当我们执行上面编译出来的可执行文件a.out时，我们还会得到每个源码文件对应的gcda后缀的文件。由test.gcno和test.gcda这两个文件，便可以得到代码的覆盖率结果了。
 
  
只需要通过gcov指定源文件的名称（不需要带后缀）：gcov test，便可以得到包含覆盖率的结果文件 test.c.gcov了。
 
  
回顾一下我们刚刚的操作内容：
 
  
$ gcc --coverage test.c
$ ll
total 72
-rwxr-xr-x  1 Paul  staff    26K 11 10 14:41 a.out
-rw-r--r--  1 Paul  staff   240B 11 10 14:41 test.c
-rw-r--r--  1 Paul  staff   720B 11 10 14:41 test.gcno
$ ./a.out 
3 is divisible by 3
6 is divisible by 3
9 is divisible by 3
$ ll
total 80
-rwxr-xr-x  1 Paul  staff    26K 11 10 14:41 a.out
-rw-r--r--  1 Paul  staff   240B 11 10 14:41 test.c
-rw-r--r--  1 Paul  staff   212B 11 10 14:42 test.gcda
-rw-r--r--  1 Paul  staff   720B 11 10 14:41 test.gcno
$ gcov test
File 'test.c'
Lines executed:85.71% of 7
test.c:creating 'test.c.gcov'

$ ll
total 88
-rwxr-xr-x  1 Paul  staff    26K 11 10 14:41 a.out
-rw-r--r--  1 Paul  staff   240B 11 10 14:41 test.c
-rw-r--r--  1 Paul  staff   623B 11 10 14:42 test.c.gcov
-rw-r--r--  1 Paul  staff   212B 11 10 14:42 test.gcda
-rw-r--r--  1 Paul  staff   720B 11 10 14:41 test.gcno
 
  
我们可以cat test.c.gcov一下，查看覆盖率的结果：
 
  
        -:    0:Source:test.c
        -:    0:Graph:test.gcno
        -:    0:Data:test.gcda
        -:    0:Runs:1
        -:    0:Programs:1
        -:    1:// test.c
        -:    2:
        -:    3:#include 
        -:    4:
        -:    5:int main (void) {
        -:    6:
       20:    7:  for (int i = 1; i < 10; i++) {
        9:    8:      if (i % 3 == 0)
        3:    9:        printf ("%d is divisible by 3\n", i);
        9:   10:      if (i % 11 == 0)
    #####:   11:        printf ("%d is divisible by 11\n", i);
        9:   12:  }
        -:   13:
        1:   14:  return 0;
        -:   15:}
 
  
这个结果应该还是很容易理解的，最左边一列描述了代码的覆盖情况：
 
  
 
   
 
-：表示该行代码被覆盖了
 
 
   
 
整数：表示被执行的次数
 
 
   
 
#####：表示该行没有被覆盖
 
 
  
 
  
lcov
 
  
gcov得到的结果是本文形式的。但很多时候，我们可能希望得到更加美观和便于浏览的结果。
 
  
此时就可以使用lcov了。
 
  
lcov是gcov工具的图形前端。它收集多个源文件的gcov数据，并生成描述覆盖率的HTML页面。生成的结果中会包含概述页面，以方便浏览。
 
  
lcov支持我们前面提到的所有四种覆盖率。
 
  
安装
 
  
lcov并非包含在GCC中，因此需要单独安装。
 
  
 
   
 
Ubuntu系统
 
 
  
 
  
sudo apt install lcov
 
  
使用
 
  
对于lcov的使用方法可以通过下面这条命令查询：
 
  
lcov --help
 
  
通过输出我们可以看到，这个命令的参数有简短（例如-c）和完整（例如--capture)两种形式，其作用是一样的。
 
  
这里主要关注的下面这几个参数：
 
  
 
   
 
-c 或者 --capture 指定从编译产物中收集覆盖率信息。
 
 
   
 
-d DIR 或者 --directory DIR 指定编译产物的路径。
 
 
   
 
-e FILE PATTERN 或者 --extract FILE PATTERN 从指定的文件中根据PATTERN过滤结果。
 
 
   
 
-o FILENAME 或者 --output-file FILENAME 指定覆盖率输出的文件名称。
 
 
  
 
  
另外还有需要说明的是：
 
  
 
   
 
lcov默认不会打开分支覆盖率，因此我们还需要增加这个参数来打开分支覆盖率的计算：--rc lcov_branch_coverage=1
 
 
   
 
lcov输出的仍然是一个中间产物，我们还需要通过lcov软件包提供的另外一个命令genhtml来生成最终需要的html格式的覆盖率报告文件。同样的，为了打开分支覆盖率的计算，我们也要为这个命令增加--rc lcov_branch_coverage=1参数
 
 
  
 
  
最后，make_all.sh脚本中包含的相关内容如下：
 
  
COVERAGE_FILE=coverage.info
REPORT_FOLDER=coverage_report
lcov --rc lcov_branch_coverage=1 -c -d build -o ${COVERAGE_FILE}_tmp
lcov --rc lcov_branch_coverage=1  -e ${COVERAGE_FILE}_tmp "*src*" -o ${COVERAGE_FILE}
genhtml --rc genhtml_branch_coverage=1 ${COVERAGE_FILE} -o ${REPORT_FOLDER}
 
  
这段代码从我们前面编译的结果中收集覆盖率结果，并将结果输出到coverage.info_tmp文件中。但是这里面会包含非项目源码的覆盖率（例如google test），所以我们又通过另外一条命令来指定”src”文件夹进行过滤。最后，通过genhtml得到html格式的报告。
 
  
可以通过浏览器查看覆盖率报告的结果，像下面这样：
 
  
 
  
 从这个报告的首页，我们已经可以看到代码的语句覆盖率（Lines），函数覆盖率（Functions）以及分支覆盖率（Branches）。而对于条件覆盖率可以从详细页面中看到。如下图所示：
 
  
 
  
 
 
  
在上面这张图中，我们可以看到哪些代码被覆盖了，哪些没有。而对于对于if-else之类的语句，也能很清楚的看到条件覆盖率的覆盖情况。例如，对于代码的27行，只覆盖了if成立时的情况，没有覆盖if不成立时的情况。
 
  
使用Google Mock
 
  
Google Mock是Google Test的扩展，用于编写和使用C++ Mock类。
 
  
在面向对象的编程中，Mock对象是模拟对象，它们以预先设定的方式模仿真实对象的行为。程序员通常会创建一个Mock对象来测试某个其他对象的行为，这与汽车设计师使用碰撞测试假人来模拟人类在车辆碰撞中的动态行为的方式非常相似。