问题场景

去重函数看起来简单，但很容易在边界上出错：空列表、全是重复值、混入未在输入中出现的元素、返回结果内部仍有重复等。与其只写几个手写用例，不如把去重函数的核心契约写成属性：输出中没有重复元素，输出中的每个元素都来自输入，且输出长度不应超过输入长度。Hypothesis 的 @given 与 lists 策略可以自动生成大量列表输入，并在断言失败时把输入缩小到更简单的反例，方便定位问题。

可运行的最小示例

先准备环境：

pip install hypothesis pytest

实现一个保持首次出现顺序的去重函数：

# dedupe.py
def dedupe_preserve_order(seq):
    seen = set()
    result = []
    for item in seq:
        if item not in seen:
            seen.add(item)
            result.append(item)
    return result

对应的属性测试文件如下。这里使用 st.lists(st.integers()) 生成可哈希的整数列表，因此可以直接用 set 判断重复与来源：

# test_dedupe.py
from hypothesis import given, strategies as st
from dedupe import dedupe_preserve_order

@given(st.lists(st.integers()))
def test_dedupe_properties(seq):
    result = dedupe_preserve_order(seq)
    assert len(result) == len(set(result)), '输出存在重复元素'
    assert set(result).issubset(set(seq)), '输出包含输入中不存在的元素'
    assert len(result) <= len(seq), '输出长度不应超过输入'

运行方式：

pytest -q test_dedupe.py

pytest 会自动发现 test_*.py 文件。Hypothesis 与 pytest 集成良好，通常不需要额外插件。上面的测试如果实现正确，会正常通过；如果实现错误，Hypothesis 会报告失败用例。

失败时自动缩小反例

为了观察缩小行为，可以故意写一个错误实现：空列表也插入 0，从而破坏“输出元素均来自输入”的属性。

# test_dedupe_buggy.py
from hypothesis import given, strategies as st

def dedupe_buggy(seq):
    return [0] + list(set(seq))

@given(st.lists(st.integers()))
def test_dedupe_buggy(seq):
    result = dedupe_buggy(seq)
    assert set(result).issubset(set(seq)), '输出包含输入中不存在的元素'

运行：

pytest -q test_dedupe_buggy.py

当 seq 为空列表时，dedupe_buggy([]) 返回 [0]，而 0 并不来自输入，因此断言失败。Hypothesis 在发现失败后不会只停留在随机的大列表上，而会尝试更简单的输入，最终通常会把反例缩小到空列表或只包含少量元素的列表。若错误实现是把输入原样返回，则最小反例往往会缩小到类似 [0, 0] 这样的重复元素列表。这个过程就是 shrinking，它让失败原因更直观。

还可以用 @example 固定补充边界用例，与自动生成策略配合使用：

from hypothesis import example, given, strategies as st
from dedupe import dedupe_preserve_order

@given(st.lists(st.integers()))
@example([])
@example([1, 1, 2, 2])
def test_dedupe_properties_with_examples(seq):
    result = dedupe_preserve_order(seq)
    assert len(result) == len(set(result)), '输出存在重复元素'
    assert set(result).issubset(set(seq)), '输出包含输入中不存在的元素'

边界与限制

第一，属性测试不是形式证明。Hypothesis 默认只尝试有限数量的例子，可以通过 @settings(max_examples=...) 增加尝试次数，但会增加运行时间。

第二，st.lists(st.integers()) 适合可哈希元素。如果元素不可哈希，例如列表或字典，set(result) 和 set(seq) 会失败。此时需要调整策略，例如使用 st.lists(st.tuples(st.integers(), st.integers())) 生成可哈希元组，或把来源断言改为 all(item in seq for item in result)，但要注意后者是线性查找，列表很大时会变慢。

第三，浮点特殊值需要谨慎。NaN 在集合中的行为容易让人困惑，可能影响重复判断。如果去重函数面向浮点数，建议明确语义，必要时避开 NaN 或单独处理。

第四，列表长度默认有上限。需要覆盖超长列表时，可以使用 st.lists(st.integers(), max_size=...) 控制生成范围，同时注意内存与执行时间。

第五，本示例只断言“无重复”和“元素来自输入”，没有断言保持原顺序。如果顺序也是契约的一部分，可以额外断言首次出现顺序，例如 result == list(dict.fromkeys(seq))，但同样要求元素可哈希且语义明确。

把这些属性测试与 pytest 集成后，去重函数的边界问题会更容易暴露，失败时也能借助 Hypothesis 的缩小机制快速找到最小反例。