一、前言

在前幾天的學習中，我已經逐步完成個人健康習慣追蹤系統的核心功能，包括健康紀錄輸入、資料保存、歷史紀錄查詢、統計分析、圖表呈現，以及習慣目標完成率計算。

然而，程式能夠正常執行，並不代表系統中的所有功能都沒有問題。

例如，使用者可能輸入負數的喝水量、過大的睡眠時數、錯誤的日期，或是沒有填寫必要的資料。如果系統沒有妥善處理這些情況，就可能產生錯誤的統計結果，甚至導致程式中斷。

因此，今天將進入系統測試與除錯階段，學習如何設計測試案例、檢查輸入資料、找出程式錯誤，並確認系統在正常與異常情況下都能適當地回應。

二、學習目標

了解系統測試與程式除錯的基本概念。

設計健康習慣追蹤系統的測試案例。

使用 Python 檢查空白欄位、錯誤格式與不合理數值。

使用 try...except 處理可能發生的錯誤。

驗證 CSV 資料是否能正確讀取與保存。

建立測試紀錄，確認系統是否符合預期。

三、認識系統測試與除錯

系統測試是透過不同的輸入資料與操作方式，確認系統是否能得到預期結果的過程。

除錯則是當程式出現錯誤時，找出問題原因並進行修正。

兩者的目的不同，但在開發過程中密不可分。

例如，當使用者輸入喝水量 2000 毫升時，系統應該能正常保存；當使用者輸入 -500 毫升時，系統則應該拒絕這筆不合理的資料，並顯示清楚的錯誤訊息。

常見的測試類型如下：

透過這些測試，可以在系統正式使用前發現潛在問題，降低資料錯誤與程式中斷的風險。

四、建立資料驗證功能

在健康習慣追蹤系統中，資料驗證是非常重要的一環。

目前系統包含喝水量、睡眠時間與運動時間等數值欄位，因此可以先設定基本的合理範圍。

以下範例使用示範性的輸入限制：

喝水量：0 至 10000 毫升。

睡眠時間：0 至 24 小時。

運動時間：0 至 1440 分鐘。

這些範圍是為了進行程式驗證而設定的輸入限制，不代表醫療上的健康標準。

def validate_health_record(
water_ml,
sleep_hours,
exercise_minutes
):
errors = []

if not 0 <= water_ml <= 10000:
    errors.append(
        "喝水量必須介於 0 至 10000 毫升。"
    )

if not 0 <= sleep_hours <= 24:
    errors.append(
        "睡眠時間必須介於 0 至 24 小時。"
    )

if not 0 <= exercise_minutes <= 1440:
    errors.append(
        "運動時間必須介於 0 至 1440 分鐘。"
    )

return errors

errors = validate_health_record(
water_ml=2000,
sleep_hours=7.5,
exercise_minutes=30
)

if errors:
for error in errors:
print(error)
else:
print("資料驗證通過。")

執行結果：

資料驗證通過。

如果將喝水量改成 -500，程式就會回傳相對應的錯誤訊息。

這種寫法的優點是將驗證規則集中在一個函式中，未來如果需要調整限制，就不必在不同頁面重複修改相同的程式碼。

五、處理非數字與空白輸入

除了數值超出範圍之外，另一個常見問題是使用者輸入了無法轉換成數字的內容。

例如：

water_input = "abc"

try:
water_ml = float(water_input)
print("喝水量：", water_ml)
except ValueError:
print("輸入錯誤，請輸入有效的數字。")

執行結果：

輸入錯誤，請輸入有效的數字。

try...except 可以避免程式遇到無法轉換的內容時直接中斷。

如果使用者透過 Streamlit 的 st.number_input() 輸入數值，元件本身已經會限制部分輸入情況；不過，仍然需要檢查數值是否符合系統設定的合理範圍。

另外，對於文字欄位，例如備註，可以使用 strip() 去除前後空白：

notes = " 今天散步 30 分鐘 "
notes = notes.strip()

print(notes)

執行結果：

今天散步 30 分鐘

這樣可以讓保存的文字更加整潔。

六、實作：在 Streamlit 表單中加入資料驗證

接下來，將資料驗證整合到健康紀錄輸入表單。

這個範例會讓使用者輸入日期、喝水量、睡眠時間與運動時間，並在按下提交按鈕時檢查資料。

import streamlit as st

st.set_page_config(
page_title="健康紀錄資料驗證",
page_icon="🌱"
)

st.title("🌱 健康紀錄資料驗證")

def validate_health_record(
water_ml,
sleep_hours,
exercise_minutes
):
errors = []

if not 0 <= water_ml <= 10000:
    errors.append(
        "喝水量必須介於 0 至 10000 毫升。"
    )

if not 0 <= sleep_hours <= 24:
    errors.append(
        "睡眠時間必須介於 0 至 24 小時。"
    )

if not 0 <= exercise_minutes <= 1440:
    errors.append(
        "運動時間必須介於 0 至 1440 分鐘。"
    )

return errors

with st.form("health_validation_form"):
record_date = st.date_input("紀錄日期")

water_ml = st.number_input(
    "喝水量（毫升）",
    min_value=0,
    max_value=10000,
    value=2000,
    step=100
)

sleep_hours = st.number_input(
    "睡眠時間（小時）",
    min_value=0.0,
    max_value=24.0,
    value=7.0,
    step=0.5
)

exercise_minutes = st.number_input(
    "運動時間（分鐘）",
    min_value=0,
    max_value=1440,
    value=30,
    step=5
)

submitted = st.form_submit_button("檢查資料")

if submitted:
errors = validate_health_record(
water_ml,
sleep_hours,
exercise_minutes
)

if errors:
    for error in errors:
        st.error(error)
else:
    st.success("資料驗證通過！")
    st.write("紀錄日期：", record_date)
    st.write("喝水量：", water_ml, "毫升")
    st.write("睡眠時間：", sleep_hours, "小時")
    st.write("運動時間：", exercise_minutes, "分鐘")

程式碼重點說明

1. 使用 st.form() 集中輸入資料

使用者可以先完成所有欄位，再按下提交按鈕。這樣可以避免每次調整數值時，網頁就立刻執行一次提交流程。

2. 使用驗證函式集中檢查

validate_health_record() 會一次檢查三個數值欄位，並將所有錯誤訊息放進清單中。

這種方式比發現第一個錯誤就停止更方便，因為使用者可以一次看到需要修正的項目。

3. 驗證通過後才顯示成功訊息

程式只有在 errors 清單為空時，才會顯示「資料驗證通過」。

這個範例只負責驗證與預覽資料，尚未將資料寫入 CSV。後續整合到完整系統時，應該先完成驗證，再呼叫資料保存函式，避免不合理的資料被寫入檔案。

七、建立系統測試案例

除了測試單一欄位之外，也應該針對整個健康習慣追蹤系統建立測試案例。

測試時，可以依照表格逐項執行，並記錄實際結果。如果實際結果與預期結果不一致，就需要進一步找出問題原因。

需要注意的是，測試案例中的「預期結果」是我們希望系統達成的行為，不代表目前程式一定已經通過所有測試。必須實際執行後，才能確認測試結果。

八、常見錯誤與除錯方式

開發過程中，可能遇到以下幾種問題。

1. 找不到 CSV 檔案

可能原因： 程式執行位置與 health_records.csv 所在位置不同。

處理方式： 確認 CSV 與 app.py 是否位於相同的專案資料夾，或使用正確的檔案路徑。

2. 欄位名稱錯誤

可能原因： CSV 中的欄位名稱與程式碼不一致，例如將 exercise_minutes 寫成 exercise_time。

處理方式： 檢查 CSV 的第一列欄位名稱，並確認程式使用的名稱完全一致。

3. 資料型態不正確

可能原因： 原本應該是數字的欄位，卻包含文字或空白。

處理方式： 使用 pd.to_numeric(errors="coerce") 轉換資料，並檢查轉換後的缺失值。

4. 統計結果與預期不符

可能原因： 重複紀錄、無效資料或統計範圍定義不一致。

處理方式： 先確認使用了哪些資料，再手動計算少量測試資料，逐步比對程式結果。

5. 修改程式後網頁出現錯誤

可能原因： 語法錯誤、縮排不一致、變數名稱不一致，或函式呼叫順序不正確。

處理方式： 查看終端機的錯誤訊息，從錯誤行數附近開始檢查，不要只依照網頁顯示的錯誤猜測原因。

九、今日成果與學習心得

今天完成了系統測試與除錯的基礎學習，了解如何設計測試案例、檢查健康資料的合理性，以及使用 Python 的例外處理機制避免程式因為錯誤輸入而中斷。

透過這次學習，我了解到系統開發不只是讓功能成功執行，更重要的是確保系統在不同情況下都能維持正確的行為。

例如，正常輸入時應該可以順利處理資料；輸入不合理的數值時，應該提供明確的錯誤訊息；沒有紀錄時，也應該顯示適當的提示，而不是讓使用者看到難以理解的錯誤畫面。

此外，測試案例可以幫助開發者有系統地檢查每個功能，而不是只測試自己最常使用的操作。這樣能更早發現問題，並提高系統的可靠性。

十、下一步學習方向

第二十四天的主題是「改善資料保存與查詢——提升系統的穩定性」。

下一階段將進一步檢查 CSV 資料保存方式、重複紀錄的處理、日期查詢與錯誤處理，讓系統不只具備基本功能，也能更穩定地保存與讀取使用者的健康資料。