Hypothesis text策略示例分布异常：仅生成全A字符串无全B/C串

问题现象 #

调试Hypothesis自定义策略时，简化代码批量生成固定长度范围的大写字符串，发现全A字符串（如10个A）频繁出现，但从未生成全B或全C的字符串。并非要求分布均匀，但疑惑为何同类型的全字符串只有全A出现。

代码示例 #

注意：原代码遗漏import string，修正后如下：

import hypothesis.strategies as st
import string

for _ in range(100):
    print(st.text(alphabet=string.ascii_uppercase, min_size=10, max_size=100).example())

输出示例 #

MSENIKYFHSVKUUHETHVZYOTGNMRIUTEWZRSGQVIEBND
NJWVCUWGDYN
NHYHLZWUQBXXAFD
IAIIDKHKNPLEEY
BUIIFNVBQTMSRQVDU
ARUBTLBBWKYXZTYJXJLRMIVTSUOJOPYVWOKBUMLQXOTQ
PCUJMVOKEYZ
AAAAAAAAAA
IXNEZSRJEGDQBCXKUIZRSZCPBHMYYPPJ
BURNHKZDYP
FSAAKFESBOUA
QTSQYSCDLCREWKBH
AAAAAAAAAA
...

原因分析 #

1. example()方法的设计定位 #

example()并非用来生成随机样本，它是Hypothesis提供的快速验证工具，目的是返回一个能代表策略规则的"典型例子"，而非遍历所有可能的边界或特殊情况。

2. 偏向"简单用例"的生成逻辑 #

Hypothesis在生成example()时，会优先选择结构简单的测试用例——全A字符串属于这类：重复单一字符、使用字母表首字符，符合Hypothesis对"简单"的定义。而全B/C虽然也是同类型用例，但example()不会主动遍历所有这类情况，只会快速返回一个符合要求的简单示例。

3. 缓存机制 #

多次调用example()时，Hypothesis会缓存之前生成的结果，这也是全A字符串频繁重复出现的原因之一。

4. 基础使用错误 #

原代码存在两个问题：

• 遗漏import string，导致运行报错；
• 用example()批量生成样本是错误的用法，它不适合做批量随机生成。

正确的批量生成方式 #

如果需要生成随机分布的样本，应该使用generate()方法，或者结合Hypothesis的@given装饰器（更符合Hypothesis的测试场景）：

方式1：使用generate() #

import hypothesis.strategies as st
import string

# 先定义策略
strat = st.text(alphabet=string.ascii_uppercase, min_size=10, max_size=100)
for _ in range(100):
    # 调用generate()生成随机样本
    print(strat.generate())

方式2：使用@given装饰器（推荐用于测试场景） #

import hypothesis.strategies as st
import string
from hypothesis import given, settings

# 关闭"过慢"健康检查（因为打印会拖慢速度）
@settings(suppress_health_check=["too_slow"])
@given(st.text(alphabet=string.ascii_uppercase, min_size=10, max_size=100))
def print_random_strings(s):
    print(s)

# 执行函数生成样本
print_random_strings()

使用上述方式生成样本时，你会看到全B、全C等单一字符的字符串正常出现，样本分布更符合预期。

总结 #

• example()是辅助验证工具，不是随机生成器，不能用来批量获取样本；
• Hypothesis生成"简单用例"的逻辑导致全A字符串优先被返回，且缓存机制会让它重复出现；
• 批量生成随机样本请用generate()或@given装饰器。

内容的提问来源于stack exchange，提问作者kasterma