csharp-xunit
XUnitを使ったユニットテストのベストプラクティスを提供するスキルです。データ駆動テストの実装方法を含む、効果的なC#テストコードの書き方を習得できます。
description の原文を見る
Get best practices for XUnit unit testing, including data-driven tests
SKILL.md 本文
XUnit ベストプラクティス
XUnit を使用した効果的なユニットテストの作成方法をお手伝いします。標準的なテストとデータドリブンテストの両方のアプローチに対応しています。
プロジェクトセットアップ
- テストプロジェクトは
[ProjectName].Testsという命名規則を使用して分離する - Microsoft.NET.Test.Sdk、xunit、xunit.runner.visualstudio パッケージを参照する
- テスト対象のクラスに合わせたテストクラスを作成する(例:
Calculatorに対してCalculatorTests) - .NET SDK テストコマンドを使用する:テスト実行には
dotnet testを使用
テスト構造
- テストクラス属性は不要(MSTest/NUnit とは異なる)
- シンプルなテストには
[Fact]属性を使用してファクトベースのテストを作成する - Arrange-Act-Assert (AAA) パターンに従う
MethodName_Scenario_ExpectedBehaviorパターンを使用してテストに名前を付ける- セットアップはコンストラクタで、テアダウンは
IDisposable.Dispose()で行う IClassFixture<T>を使用してクラス内のテスト間で共有コンテキストを設定するICollectionFixture<T>を使用して複数のテストクラス間で共有コンテキストを設定する
標準テスト
- 1つのテストメソッドで1つの動作に焦点を当てる
- 1つのテストメソッドで複数の動作をテストしない
- インテントを表現した明確なアサーションを使用する
- テストケースを検証するために必要なアサーションのみを含める
- テストを独立させ、べき等にする(どの順序で実行しても同じ結果)
- テスト間の依存関係を避ける
データドリブンテスト
[Theory]をデータソース属性と組み合わせて使用する- インラインテストデータには
[InlineData]を使用する - メソッドベースのテストデータには
[MemberData]を使用する - クラスベースのテストデータには
[ClassData]を使用する DataAttributeを実装してカスタムデータ属性を作成する- データドリブンテストでは意味のあるパラメータ名を使用する
アサーション
- 値の等価性には
Assert.Equalを使用する - 参照の等価性には
Assert.Sameを使用する - ブール条件には
Assert.True/Assert.Falseを使用する - コレクションには
Assert.Contains/Assert.DoesNotContainを使用する - 正規表現パターンマッチングには
Assert.Matches/Assert.DoesNotMatchを使用する - 例外をテストするには
Assert.Throws<T>またはawait Assert.ThrowsAsync<T>を使用する - より読みやすいアサーションには fluent assertions ライブラリの使用を検討する
モッキングと分離
- XUnit と共に Moq または NSubstitute の使用を検討する
- テスト対象のユニットを分離するため依存関係をモックする
- モッキングを容易にするためにインターフェースを使用する
- 複雑なテストセットアップには DI コンテナの使用を検討する
テスト構成
- フィーチャーまたはコンポーネント別にテストをグループ化する
- 分類には
[Trait("Category", "CategoryName")]を使用する - 共有依存関係のあるテストをグループ化するにはコレクションフィクスチャを使用する
- テスト診断には出力ヘルパー (
ITestOutputHelper) の使用を検討する - Fact/Theory 属性の
Skip = "reason"で条件付きにテストをスキップする
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- github
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/github/awesome-copilot / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。