$lang['tuto'] = "ट्यूटोरियल"; ?>$lang['tuto'] = "ट्यूटोरियल"; ?>$lang['tuto'] = "ट्यूटोरियल"; ?> db.create_all() सह फ्लास्क

db.create_all() सह फ्लास्क डेटाबेस सेटअपमधील त्रुटींचे निराकरण करणे

db.create_all() सह फ्लास्क डेटाबेस सेटअपमधील त्रुटींचे निराकरण करणे
db.create_all() सह फ्लास्क डेटाबेस सेटअपमधील त्रुटींचे निराकरण करणे
Daniel Marino
बुधवार, २७ नोव्हेंबर, २०२४ रोजी ४:३२:०९ म.पू.

सामान्य फ्लास्क डेटाबेस त्रुटी आणि उपाय समजून घेणे

जर तुम्ही वेब डेव्हलपमेंटसाठी फ्लास्क मध्ये डुबकी मारत असाल, तर तुमच्या ॲपचा डेटा संचयित करण्यासाठी आणि पुनर्प्राप्त करण्यासाठी डेटाबेस कनेक्शन सेट करण्याचे सामान्य कार्य तुम्हाला आले असेल. तथापि, फ्लास्कमध्ये डेटाबेस कॉन्फिगर करताना अनुभवी विकसकालाही अनपेक्षित समस्या येऊ शकतात. 🐍

आवर्ती त्रुटींपैकी एक वापरल्यानंतर होते db.create_all(), आभासी वातावरण मध्ये डेटाबेस सुरू करताना किंवा पायथन शेल सेट करताना दिसते. ही त्रुटी निराशाजनक असू शकते, विशेषतः जर तुम्ही सर्व नेहमीच्या पायऱ्या फॉलो करत असाल.

याची कल्पना करा: तुम्ही सर्व तयार आहात, आभासी वातावरण सक्रिय केले आहे आणि कोड कार्यान्वित करण्यासाठी तयार आहे, परंतु तुमच्या टर्मिनलमध्ये एक अनपेक्षित त्रुटी दिसून येते. हे तुमच्या प्रकल्पाच्या प्रवाहात अडथळा असल्यासारखे वाटू शकते. कृतज्ञतापूर्वक, या समस्यांमध्ये सामान्यतः सोप्या उपाय असतात ज्यांना आपल्या सेटअपमध्ये थोडासा बदल करण्याची आवश्यकता असते.

या मार्गदर्शकामध्ये, आम्ही काय चुकीचे होत आहे ते शोधू आणि, वास्तविक जीवनातील कोडींग परिस्थितींद्वारे, फ्लास्कमधील सामान्य db.create_all() त्रुटीचे निवारण आणि निराकरण करू. 💻 चला या अडथळ्यांना फ्लास्कच्या डेटाबेस इंटिग्रेशनमध्ये प्रभुत्व मिळवण्याच्या दिशेने शिकण्याच्या चरणांमध्ये बदलू या!

आज्ञा वापर आणि वर्णनाचे उदाहरण
app.app_context() अनुप्रयोग संदर्भ प्रदान करण्यासाठी फ्लास्कमध्ये वापरले जाते, विशिष्ट ऑपरेशन्स, जसे की डेटाबेस परस्परसंवाद, विनंती हाताळणीच्या बाहेर कार्य करण्यास परवानगी देते. ठराविक विनंती-प्रतिसाद चक्राच्या बाहेर डेटाबेस सेट करताना ही आज्ञा आवश्यक आहे.
db.create_all() परिभाषित केलेल्या मॉडेल्सवर आधारित डेटाबेसमधील सर्व सारण्या तयार करते. या संदर्भात, हे डेटाबेस टेबल्स सुरू करण्यासाठी वापरले जाते, जे कॉन्फिगरेशन योग्य नसल्यास त्रुटींचे एक सामान्य स्त्रोत आहे.
db.drop_all() डेटाबेसमधून सर्व टेबल्स हटवते. हा आदेश विशेषत: युनिट चाचण्यांमध्ये कोणत्याही अवशिष्ट डेटा काढून टाकून प्रत्येक चाचणी प्रकरणापूर्वी स्वच्छ स्लेट सुनिश्चित करण्यासाठी उपयुक्त आहे.
SQLAlchemyError SQLAlchemy मधील एक अपवाद वर्ग जो सामान्य SQLAlchemy-संबंधित त्रुटी पकडतो. टेबल्स तयार करताना डेटाबेस एरर ओळखण्यासाठी आणि हाताळण्यासाठी ते ट्राय-असून ब्लॉकमध्ये गुंडाळले जाते.
self.app = app.test_client() फ्लास्क ऍप्लिकेशनसाठी चाचणी क्लायंट सुरू करते, ॲप सर्व्हर न चालवता सिम्युलेटेड विनंत्या करण्यास अनुमती देते. हे नियंत्रित वातावरणात डेटाबेस वर्तन सत्यापित करण्यासाठी युनिट चाचण्यांमध्ये आवश्यक आहे.
unittest.main() पायथनमध्ये युनिट चाचणी संच चालवते. हे सर्व चाचणी प्रकरणे शोधून कार्यान्वित करते, उत्तीर्ण/अयशस्वी स्थितीचा संपूर्ण अहवाल प्रदान करते. सर्व डेटाबेस परस्परसंवाद अपेक्षेप्रमाणे वागतात याची पडताळणी करण्यासाठी हा आदेश महत्त्वाचा आहे.
db.session.add() डेटाबेससाठी सत्रामध्ये नवीन रेकॉर्ड जोडते. येथे, चाचण्यांमध्ये डेटाबेसमध्ये वापरकर्ता डेटा जोडण्यासाठी वापरला जातो, डेटा जोडला जाऊ शकतो आणि यशस्वीरित्या पुनर्प्राप्त केला जाऊ शकतो याची खात्री करून.
db.session.commit() वर्तमान सत्रातील सर्व ऑपरेशन्स डेटाबेसला कमिट करते. बदल कायमस्वरूपी जतन करण्यासाठी हे आवश्यक आहे आणि नवीन डेटा जोडल्यानंतर डेटाबेस स्थिरता सुनिश्चित करण्यासाठी स्क्रिप्टमध्ये चाचणी केली जाते.
filter_by() निर्दिष्ट स्थितीसह डेटाबेसची क्वेरी करते. या संदर्भात, ते वापरकर्तानावाद्वारे वापरकर्ता पुनर्प्राप्त करते, युनिट चाचणीमध्ये डेटा जोडण्याचे सत्यापन करण्यास अनुमती देते.

फ्लास्कमध्ये प्रभावी डेटाबेस सेटअप आणि त्रुटी निराकरण

मध्ये डेटाबेस सेट करताना येणाऱ्या सामान्य समस्यांचे निराकरण करण्यासाठी प्रदान केलेल्या स्क्रिप्ट तयार केल्या आहेत फ्लास्क, विशेषत: डेटाबेस तयार करताना टेबल्स सुरू करणे आणि हाताळणीच्या चुका. प्रथम स्क्रिप्ट हे दाखवते की डेटाबेस कसा सुरू करायचा db.create_all() स्वच्छ आणि सुसंगत सेटअप सुनिश्चित करण्यासाठी संरचित कार्य वापरणे. हे ॲपचे कॉन्फिगरेशन परिभाषित करून आणि SQLAlchemy वापरून डेटाबेसशी कनेक्ट करून सुरू होते, जे फ्लास्कला SQL डेटाबेसशी अखंडपणे संवाद साधण्याची परवानगी देते. कनेक्शन समस्या किंवा गहाळ कॉन्फिगरेशनच्या बाबतीत स्पष्ट अभिप्राय देण्यासाठी सेटअपमध्ये विशिष्ट त्रुटी-हँडलिंग चरणांचा समावेश आहे, फ्लास्कसह डेटाबेस कॉन्फिगरेशनमध्ये नवशिक्यांसाठी एक सामान्य अडचण आहे. फ्लास्क ऍप्लिकेशन संदर्भामध्ये गुंडाळलेला हा दृष्टीकोन, डेटाबेस-संबंधित कमांड्स केवळ ॲपच्या संदर्भामध्येच कार्यान्वित होतील याची खात्री करते, अनपेक्षित त्रुटींना प्रतिबंधित करते ज्या अनेकदा या आदेशांच्या बाहेर अंमलात आणण्यापासून उद्भवतात. 🐍

त्याच स्क्रिप्टमध्ये, मध्ये सारणी तयार करणे वेगळे करून मॉड्यूलरिटीवर जोर दिला जातो टेबल तयार करा कार्य हे फंक्शन हाताळण्यासाठी ब्लॉक वगळून प्रयत्न वापरते SQLAlchemyError, टेबल तयार करणे अयशस्वी झाल्यास उपयुक्त त्रुटी संदेश प्रदान करणे. ही रचना फंक्शनचा पुनर्वापर करणे किंवा प्रोजेक्टमध्ये निवडकपणे कॉल करणे सोपे करते, विविध सेटअपमध्ये मजबूत त्रुटी व्यवस्थापनाची आवश्यकता असलेल्या विकासकांसाठी एक महत्त्वपूर्ण पैलू. एखाद्या प्रकल्पावर काम करत असल्याची कल्पना करा आणि अर्ध्या मार्गात डेटाबेस अयशस्वी झाल्याचा सामना करा - हा दृष्टीकोन तुम्हाला केवळ समस्या सुंदरपणे हाताळू देत नाही तर वापरकर्त्याला काय चूक झाली आणि कुठे झाली याबद्दल माहिती दिली जाते हे देखील सुनिश्चित करते. याव्यतिरिक्त, डेटाबेस कॉन्फिगरेशनसाठी पर्यावरण व्हेरिएबल्स वापरून, कोड वेगवेगळ्या वातावरणासाठी (जसे की विकास, चाचणी आणि उत्पादन) अनुकूल आहे, विकासकांना थेट कोडमध्ये संवेदनशील सेटिंग्ज बदलण्यापासून वाचवते. 🌐

दुसरा दृष्टिकोन स्वतंत्रपणे डेटाबेस सेटअपची चाचणी करणारी युनिट चाचणी स्क्रिप्ट तयार करून मॉड्यूलरिटी वाढवते. पायथनच्या युनिटटेस्ट फ्रेमवर्कचा वापर करून, ही स्क्रिप्ट डेटाबेस सेटअपचा प्रत्येक भाग योग्यरित्या कार्य करत असल्याचे सत्यापित करते. उदाहरणार्थ, ते प्रथम इन-मेमरी SQLite डेटाबेस सुरू करते, वास्तविक डेटावर परिणाम न करता चाचणीसाठी आदर्श, नंतर रेकॉर्ड जोडले जाऊ शकते आणि यशस्वीरित्या पुनर्प्राप्त केले जाऊ शकते याची चाचणी करते. स्क्रिप्टमध्ये टीअरडाउन कार्यक्षमता देखील समाविष्ट आहे, जी प्रत्येक चाचणीनंतर सर्व टेबल्स टाकून साफ ​​करते, प्रत्येक चाचणी नवीन डेटाबेस स्थितीवर चालते याची खात्री करते. हे धोरण मोठ्या ऍप्लिकेशन्ससाठी अत्यंत प्रभावी आहे जेथे तुमच्याकडे एकाच वेळी अनेक चाचण्या चालू असू शकतात आणि प्रत्येक चाचणी इतरांपासून वेगळी राहते, उच्च-गुणवत्तेच्या चाचणी पद्धतींमधील एक महत्त्वाचा घटक.

शेवटी, युनिट चाचणी फंक्शन वापरते filter_by अपेक्षेप्रमाणे डेटा पुनर्प्राप्ती कार्य करते याची पुष्टी करण्यासाठी. तयार केलेला वापरकर्ता रेकॉर्ड डेटाबेसमधून परत आला आहे हे तपासून, चाचणी डेटा समाविष्ट करणे आणि पुनर्प्राप्ती प्रक्रिया दोन्ही प्रमाणित करते. ही पद्धत लहान, समर्पित चाचण्या विशिष्ट फंक्शन्समधील संभाव्य समस्या किती ओळखू शकतात याचे एक उदाहरण आहे, जेव्हा समस्या उद्भवतात तेव्हा ते शोधणे खूप सोपे होते. या स्क्रिप्ट्सचा एकत्रितपणे वापर केल्याने फ्लास्कमधील डेटाबेस सेटअपसाठी सर्वसमावेशक समाधान मिळू शकते, त्रुटी हाताळल्या गेल्या आहेत, कोड मॉड्यूलर आणि जुळवून घेता येण्याजोगा आहे आणि कार्यक्षमतेची पूर्ण चाचणी केली गेली आहे - त्यांच्या फ्लास्कचा विकास सुव्यवस्थित करू पाहणाऱ्या प्रत्येकासाठी एक शक्तिशाली दृष्टीकोन.

फ्लास्कमधील डेटाबेस सेटअप त्रुटींचे निवारण करणे

हा दृष्टीकोन फ्लास्क आणि SQLAlchemy वापरून पूर्ण-स्टॅक पायथन सोल्यूशन प्रदर्शित करते, त्रुटी हाताळणी आणि युनिट चाचणीसह बॅक-एंड सेटअप कव्हर करते.

# Import necessary modules
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from sqlalchemy.exc import SQLAlchemyError
# Initialize the Flask application
app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///test.db'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
db = SQLAlchemy(app)
# Define a User model
class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False)
# Function to create all tables with error handling
def create_tables():
    try:
        db.create_all()
        print("Tables created successfully")
    except SQLAlchemyError as e:
        print("An error occurred:", e)
# Run the table creation
if __name__ == "__main__":
    with app.app_context():
        create_tables()

सुधारित त्रुटी संदेशांसह पर्यायी फ्लास्क सेटअप

हे सेटअप उदाहरण Python's Flask-SQLAlchemy वापरते, सेटअप लॉजिक वेगळे करण्यावर लक्ष केंद्रित करते आणि लवचिकतेसाठी पर्यावरण व्हेरिएबल्स वापरते.

१

फ्लास्कमध्ये युनिट चाचणी डेटाबेस तयार करणे

फ्लास्क डेटाबेस सेटअप त्रुटींशिवाय पूर्ण होते हे सत्यापित करण्यासाठी ही स्क्रिप्ट पायथनमध्ये युनिट चाचणी दर्शवते.

# Import necessary modules for testing
import unittest
from app import app, db, User
# Define the test class
class DatabaseTest(unittest.TestCase):
    # Set up the test environment
    def setUp(self):
        app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///:memory:'
        self.app = app.test_client()
        with app.app_context():
            db.create_all()
    # Clean up after each test
    def tearDown(self):
        with app.app_context():
            db.drop_all()
    # Test for successful user creation
    def test_create_user(self):
        with app.app_context():
            new_user = User(username="testuser")
            db.session.add(new_user)
            db.session.commit()
            result = User.query.filter_by(username="testuser").first()
            self.assertIsNotNone(result)
# Run the tests
if __name__ == "__main__":
    unittest.main()

फ्लास्क डेटाबेस इनिशियलायझेशन एरर टाळण्याच्या प्रमुख पायऱ्या

मध्ये डेटाबेस सेट अप करताना अनेकदा दुर्लक्षित केलेले पैलू फ्लास्क अनुप्रयोगाचा संदर्भ योग्यरित्या व्यवस्थापित करत आहे, विशेषत: सारख्या कमांड वापरताना db.create_all() किंवा एकाधिक डेटाबेस ऑपरेशन्स हाताळताना. फ्लास्क नियंत्रित कार्यक्षेत्रात विशिष्ट वस्तू (जसे की डेटाबेस) मध्ये प्रवेश प्रदान करण्यासाठी "अनुप्रयोग संदर्भ" वापरते. याचा अर्थ डेटाबेसशी संवाद साधणाऱ्या कमांड्स या संदर्भात चालणे आवश्यक आहे, अन्यथा, फ्लास्क त्या कमांडस सक्रिय ॲपशी लिंक करू शकत नाही, परिणामी त्रुटी उद्भवू शकतात. हे टाळण्यासाठी, विकासक अनेकदा समाविष्ट करतात १ विनंतीच्या बाहेर सारण्या सुरू करताना, जे आवश्यक संदर्भ सेट करते.

व्हर्च्युअल वातावरणात आणखी एक संभाव्य समस्या उद्भवते, जे पायथन प्रकल्पांमध्ये अवलंबित्व वेगळे करण्यासाठी महत्त्वपूर्ण आहेत. टर्मिनलमध्ये स्क्रिप्ट किंवा कमांड्स चालवण्यापूर्वी आभासी वातावरण सक्रिय केले नसल्यास काही वेळा त्रुटी येऊ शकतात. फ्लास्क सेट करताना, नेहमी आधी व्हर्च्युअल वातावरण सक्रिय करा, अनेकदा सारख्या कमांडसह source venv/bin/activate युनिक्स-आधारित प्रणालींवर किंवा venv\Scripts\activate विंडोज वर. हे सुनिश्चित करते की फ्लास्क, SQLAlchemy आणि इतर अवलंबनांच्या योग्य आवृत्त्या अनुप्रयोगासाठी उपलब्ध आहेत, आवृत्ती संघर्ष आणि अवलंबन त्रुटी कमी करते.

शेवटी, डेटाबेस URI साठी पर्यावरण व्हेरिएबल्स वापरणे ही एक उत्तम सराव आहे जी अनेक विकासक लवचिकता सुनिश्चित करण्यासाठी अवलंबतात. सह डीफॉल्ट URI सेट करून os.getenv('DATABASE_URL', 'sqlite:///test.db'), तुम्ही कोडबेस न बदलता भिन्न डेटाबेस कॉन्फिगरेशन निर्दिष्ट करू शकता. उदाहरणार्थ, ही लवचिकता तुम्हाला विकासासाठी स्थानिक SQLite डेटाबेस आणि उत्पादनासाठी PostgreSQL डेटाबेस सेट करण्याची परवानगी देते, फक्त पर्यावरण व्हेरिएबल बदलून. हा दृष्टिकोन हार्ड-कोडिंग समस्या मोठ्या प्रमाणात कमी करू शकतो आणि विविध वातावरणात डेटाबेस ऑपरेशन्स सुव्यवस्थित करू शकतो, ज्यामुळे तुमचा कोड अधिक स्वच्छ, सुरक्षित आणि देखरेख करणे सोपे होईल. 🌐

फ्लास्क डेटाबेस सेटअप आणि त्रुटींबद्दल वारंवार विचारले जाणारे प्रश्न

  1. काय करते १ फ्लास्क मध्ये करू?
  2. द १ कमांड फ्लास्कमध्ये ऍप्लिकेशन कॉन्टेक्स्ट सेट करते, सारख्या कमांडस परवानगी देते db.create_all() विनंतीच्या बाहेर ॲप-विशिष्ट कॉन्फिगरेशनमध्ये प्रवेश करण्यासाठी.
  3. मला फ्लास्कसाठी आभासी वातावरण का आवश्यक आहे?
  4. तुमच्या ॲपसाठी आवश्यक असलेल्या Flask आणि SQLAlchemy च्या नेमक्या आवृत्त्या वापरल्या गेल्या आहेत याची खात्री करून, विवाद आणि त्रुटींना प्रतिबंध करून आभासी वातावरण अवलंबित्व वेगळे करते.
  5. मी Python मध्ये आभासी वातावरण कसे सक्रिय करू?
  6. आभासी वातावरण सक्रिय करण्यासाठी, वापरा source venv/bin/activate युनिक्स-आधारित प्रणालींवर किंवा venv\Scripts\activate विंडोज वर. हा आदेश तुमचे ॲप चालवण्यासाठी वातावरण तयार करतो.
  7. डेटाबेस URI साठी पर्यावरण व्हेरिएबल्स का वापरायचे?
  8. एन्व्हायर्नमेंट व्हेरिएबल्स डेटाबेस कॉन्फिगरेशन लवचिक बनवतात, तुम्हाला कोड बदलांशिवाय विकास आणि उत्पादनासाठी भिन्न डेटाबेस (उदा. SQLite, PostgreSQL) सेट करण्याची परवानगी देतात.
  9. काय करते db.create_all() SQLAlchemy मध्ये करू?
  10. द db.create_all() फंक्शन परिभाषित मॉडेल्सवर आधारित डेटाबेसमध्ये टेबल तयार करते, तुमच्या ॲपसाठी आवश्यक डेटाबेस संरचना सेट करते.
  11. मी त्याशिवाय डेटाबेस वापरू शकतो का? १?
  12. सर्वसाधारणपणे नाही. फ्लास्कमधील डेटाबेस आदेशांना ॲप संदर्भ आवश्यक आहे. त्याशिवाय, जसे आज्ञा db.create_all() एरर वाढवेल कारण फ्लास्क ॲप इन्स्टन्सशी कनेक्ट करू शकत नाही.
  13. काय उपयोग आहे SQLAlchemyError?
  14. SQLAlchemyError डेटाबेस त्रुटी हाताळण्यासाठी एक अपवाद वर्ग आहे, विकासकांना टेबल निर्मिती आणि क्वेरींमधील समस्या ओळखण्यात आणि व्यवस्थापित करण्यात मदत करतो.
  15. का कदाचित db.drop_all() चाचणीसाठी उपयुक्त आहे का?
  16. db.drop_all() डेटाबेसमधील सर्व सारण्या साफ करते, स्वच्छ चाचणी वातावरण तयार करते, विशेषत: पुनरावृत्ती डेटाबेस ऑपरेशन्सची चाचणी करताना मौल्यवान.
  17. माझे फ्लास्क डेटाबेस सेटअप कार्य करते की नाही हे मी कसे तपासू शकतो?
  18. तात्पुरता डेटाबेस (उदा. मेमरी SQLite) वापरणाऱ्या युनिट चाचण्या रनिंग केल्याने तुमचा फ्लास्क ॲप योग्यरित्या टेबल सुरू करतो आणि डेटा ऑपरेशन्स हाताळतो हे तपासू देते.
  19. का आहे १८ फ्लास्क डेटाबेस प्रश्नांमध्ये महत्वाचे आहे?
  20. १८ विशिष्ट नोंदी (जसे की वापरकर्तानावे) पुनर्प्राप्त करण्यासाठी आणि चाचणीमध्ये डेटा प्रवेशाची पुष्टी करण्यासाठी आवश्यक असलेल्या परिस्थितीनुसार तुम्हाला विशिष्ट डेटाची क्वेरी करू देते.

फ्लास्कमधील डेटाबेस त्रुटींवर मात करणे

जेव्हा त्रुटी उद्भवतात तेव्हा फ्लास्कमध्ये डेटाबेस सेट करणे कठीण वाटू शकते, परंतु मूळ कारणे समजून घेणे ही प्रक्रिया सुलभ करू शकते. व्हर्च्युअल वातावरण सक्रिय करून आणि ॲप संदर्भात योग्य आदेश वापरून, तुम्ही सामान्य त्रुटी टाळू शकता आणि एक विश्वासार्ह सेटअप तयार करू शकता.

एन्व्हायर्नमेंट व्हेरिएबल्स वापरणे आणि SQLite इन-मेमरी डेटाबेससह चाचणी करणे यासारख्या सर्वोत्तम पद्धतींचे पालन केल्याने लवचिकता वाढते आणि विश्वासार्हता सुधारते. ही पावले उचलल्याने तुमचा डेटाबेस सेटअप सुव्यवस्थित होईल, तुम्हाला व्यत्यय टाळण्यास मदत होईल आणि तुमचा फ्लास्क अनुप्रयोग आत्मविश्वासाने तयार करण्यावर लक्ष केंद्रित करा. 💻

फ्लास्क डेटाबेस सेटअपसाठी संसाधने आणि संदर्भ
  1. डेटाबेस सेटअप आणि व्यवस्थापन पद्धतींवर तपशीलवार फ्लास्क दस्तऐवजीकरण, SQLAlchemy मध्ये अनुप्रयोग संदर्भ आणि त्रुटी हाताळणीसह. भेट द्या फ्लास्क दस्तऐवजीकरण अधिक साठी.
  2. फ्लास्कमधील डेटाबेससह कार्य करण्यासाठी SQLAlchemy चे अधिकृत मार्गदर्शक, वापरण्याच्या उदाहरणांसह db.create_all() प्रभावीपणे आणि त्रुटी प्रतिबंधक धोरणे. येथे उपलब्ध आहे SQLAlchemy दस्तऐवजीकरण .
  3. डेटाबेस ऑपरेशन्स प्रमाणित करण्यासाठी आणि कोडची विश्वासार्हता सुनिश्चित करण्यासाठी युनिट चाचण्या तयार करण्यासाठी पायथनची अधिकृत युनिटेस्ट फ्रेमवर्क. अधिक माहिती येथे मिळू शकते Python Unitest दस्तऐवजीकरण .