遵循TDD小步迭代原则，如何开发API响应解析函数？

问题背景 #

刚读完Kent Beck的《Test Driven Development: By Example》，正在项目里实践TDD。需求是从如下JSON格式的API响应中提取最近的事件：

[
 {"1789484079": "event1", "1531059415": "event2"},
 {},
 {},
 {"1234256612": "event3"}
]

数组里的每个对象可能包含多个时间戳键，也可能为空。规则是：给定一个时间戳，返回小于等于该时间戳的最近时间戳对应的事件，比如：

• 给定1889484079，返回"event1"
• 给定1689484079，返回"event2"

当前测试与实现困境 #

按照TDD步骤，我先写了测试和返回常量的简易实现：

def parse_response(response, timestamp):
    return "event1"


def test_api_response_parsing_returns_correct_events():
    response = [{1789484079: "event1", 1531059415: "event2"}]
    timestamp = 1889484079
    assert parse_response(response, timestamp) == "event1"

接着更新测试让它失败（添加第二个断言）：

def test_api_response_parsing_returns_correct_events():
    response = [{1789484079: "event1", 1531059415: "event2"}]
    timestamp = 1889484079
    assert parse_response(response, timestamp) == "event1"
    timestamp = 1689484079
    assert parse_response(response, timestamp) == "event2"

然后写了硬编码的实现让测试通过，但存在明显重复：

def parse_response(response, timestamp):
    if timestamp == 1889484079:
        return "event1"
    else:
        return "event2"

我想改成遍历响应、按规则检查时间戳的实现，但担心步子跨太大不符合小步迭代原则，想知道遵循TDD该怎么推进。

小步迭代优化步骤 #

第一步：从硬编码转向依赖输入数据 #

先不直接做全量遍历，先把硬编码的时间戳和事件名替换成从测试传入的response中读取。修改实现，让它能从第一个非空对象里筛选符合条件的时间戳：

def parse_response(response, timestamp):
    # 先处理测试中的第一个非空对象
    event_dict = response[0]
    # 把字符串时间戳转成整数
    timestamps = [int(ts) for ts in event_dict.keys()]
    # 筛选出小于等于给定时间戳的所有值
    valid_timestamps = [ts for ts in timestamps if ts <= timestamp]
    # 取最近（最大）的时间戳
    closest_ts = max(valid_timestamps)
    return event_dict[str(closest_ts)]

这时候跑测试，两个断言都会通过，同时摆脱了硬编码的具体值，开始依赖输入数据。

第二步：添加空对象场景的测试并优化实现 #

现在测试里只有一个非空对象，接下来覆盖响应包含空对象的场景。新增测试：

def test_api_response_with_empty_objects():
    response = [{}, {1789484079: "event1"}, {}]
    timestamp = 1889484079
    assert parse_response(response, timestamp) == "event1"

这个测试会失败，因为当前实现只取response[0]（是空对象）。此时修改实现，遍历所有响应对象，收集非空对象的时间戳：

def parse_response(response, timestamp):
    all_ts = []
    event_map = {}
    # 遍历所有响应对象，跳过空对象
    for obj in response:
        if not obj:
            continue
        # 合并所有时间戳和对应事件
        for ts_str, event in obj.items():
            ts = int(ts_str)
            all_ts.append(ts)
            event_map[ts] = event
    # 筛选有效时间戳并取最近的
    valid_ts = [ts for ts in all_ts if ts <= timestamp]
    closest_ts = max(valid_ts)
    return event_map[closest_ts]

现在这个新测试和原有测试都能通过，实现也覆盖了空对象场景。

第三步：添加边界场景测试并完善逻辑 #

比如测试给定时间戳早于所有事件的情况，先写测试（假设需求是返回最早的事件）：

def test_timestamp_earlier_than_all_events():
    response = [{1789484079: "event1", 1531059415: "event2"}]
    timestamp = 1000000000
    assert parse_response(response, timestamp) == "event2"

如果当前实现逻辑正确，这个测试会直接通过；如果有问题，再针对性调整实现。

核心TDD原则落地 #

Kent Beck的小步迭代核心是红-绿-重构循环：

1. 红：编写一个会失败的测试（覆盖新场景）
2. 绿：写最少的代码让测试通过（哪怕是临时方案）
3. 重构：在测试全过的前提下，优化代码消除重复、提升可读性

你之前的硬编码是绿阶段的合理选择，后续重构要拆成小步：先从依赖硬编码转向输入数据，再逐步覆盖空对象、边界值等场景，每一步都保证测试通过，就不会出现步子过大的问题。

内容的提问来源于stack exchange，提问作者hardhypochondria