Hypothesis项目中如何全局限制浮点数策略避免NaN和Infinity

在Python测试领域，Hypothesis是一个非常流行的基于属性的测试库，它能够自动生成测试数据。当我们需要测试涉及浮点数运算的复杂数据结构时，经常会遇到需要限制浮点数范围的需求，特别是避免生成NaN(非数字)和Infinity(无穷大)这类特殊值。

问题背景

在实际开发中，我们经常需要测试包含嵌套数据结构的代码。这些数据结构可能由多个dataclass组成，形成一个复杂的对象树。当这些结构包含浮点数字段时，Hypothesis默认会生成包括NaN和Infinity在内的所有可能的浮点数值。

然而，某些场景下我们需要限制这些特殊值的生成：

1. 当数据需要被序列化为JSON格式时，JSON规范不支持NaN和Infinity
2. 某些业务逻辑可能无法正确处理这些特殊值
3. 测试时我们可能只关心常规浮点数的行为

解决方案

Hypothesis提供了一个优雅的解决方案：通过register_type_strategy函数全局注册浮点数的生成策略。这种方法可以确保在整个测试过程中，所有浮点数字段都遵循相同的限制规则。

from hypothesis import strategies as st

# 注册全局浮点数策略
st.register_type_strategy(
    float,
    st.floats(
        allow_nan=False,      # 禁止生成NaN
        allow_infinity=False,  # 禁止生成Infinity
        allow_subnormal=False # 可选：禁止生成非正规数
    )
)

实现原理

1. 类型策略注册：register_type_strategy函数允许我们为特定类型注册自定义的生成策略
2. 自动应用：注册后，Hypothesis在遇到该类型时会自动使用注册的策略
3. 递归处理：对于嵌套数据结构，Hypothesis会递归地应用这些策略

实际应用示例

考虑一个包含嵌套dataclass的场景：

from dataclasses import dataclass

@dataclass
class Child:
    f1: float
    f2: float | None

@dataclass
class Parent:
    child: Child

注册全局策略后，所有Parent实例中的浮点数字段都会自动遵循我们定义的规则，无需为每个字段单独指定策略。

注意事项

1. 测试可复现性：可以通过设置随机种子确保测试可复现
2. 策略覆盖范围：注册的策略会影响项目中所有使用该类型的测试
3. 性能影响：限制范围可能会略微影响测试数据生成速度

总结

通过全局注册浮点数策略，我们可以优雅地解决复杂数据结构中浮点数限制的问题。这种方法不仅代码简洁，而且维护方便，是处理类似需求的推荐做法。Hypothesis的这种设计体现了其灵活性和可扩展性，使得它能够适应各种复杂的测试场景。