# Pruebas de regresión

## Qué es

Las pruebas de regresión comprueban si un programa conserva, después de un cambio,
comportamientos que ya funcionaban. Una opción nueva de exportación puede cumplir su requisito y
aun así modificar las filas que reciben quienes usan el sistema desde antes. Probar únicamente el
ajuste nuevo permite responder si funciona la capacidad pedida. La prueba de regresión recorre el
camino previo para saber si se mantiene aquello de lo que una persona o integración depende.

El manual de ingeniería de software de la NASA presenta estas pruebas como un medio para
verificar que una modificación no ha introducido defectos. Entre sus recomendaciones están volver
a ejecutar pruebas relacionadas con el código o los requisitos modificados e incluir los módulos
que interactúan con ellos. La idea es válida cuando se cambia el código fuente, una dependencia,
la configuración, los datos o el entorno. El mismo programa puede responder de otra manera
después de actualizar un navegador o sus entradas.

Confirmar una corrección y probar regresiones son tareas complementarias. Primero se reproduce el
problema y se verifica el resultado corregido. Después se comprueba el comportamiento cercano que
debe conservarse. El caso del fallo original puede quedar entre las pruebas para avisar si vuelve
a aparecer. El resultado esperado debe corresponder a un compromiso del producto. Si un requisito
cambia deliberadamente, actualiza el resultado esperado y registra qué sucede con los usos
existentes.

## Por qué importa

La consecuencia de una modificación rara vez termina en las líneas editadas. Sustituir una lista
por un conjunto quizá elimina duplicados y a la vez altera el orden de un informe. Un analizador
de fechas puede admitir el formato nuevo y dejar de aceptar un campo vacío que llega desde otro
proceso. Una prueba automática asocia un efecto concreto con un cambio reciente. Esto importa
especialmente cuando el comportamiento sirve a una integración que nadie suele ejecutar durante
el desarrollo local.

Para una modificación pequeña, empieza por la regla común más cercana y selecciona uno o dos usos
distintos y reales. Pregunta si el cambio puede afectar a la opción predeterminada, los casos
límite, los errores o los datos que ya están guardados. Ante cambios importantes, valora también
consecuencias que atraviesan todo el producto, como el rendimiento o la accesibilidad. Adapta la
evidencia al coste de pasar por alto el problema. Una prueba unitaria puede comprobar una
conversión con precisión. Para observar la navegación por teclado puede hacer falta un navegador
y el mismo recorrido que sigue una persona.

Un ejemplo con nombre claro explica por qué interesa conservar la regla. «Una fecha vacía sigue
vacía al exportar expedientes antiguos» aporta más contexto que «pasa el caso tres». Muestra los
datos que importan y el resultado correspondiente. Quien mantenga el programa podrá reconocer si
un nuevo requisito cambia esa decisión o si se ha roto algo.

## Cómo se aplica en la práctica

Imaginemos una exportación CSV con una opción para incluir cuentas archivadas. De forma
predeterminada, la exportación debe seguir excluyéndolas. Las cuentas activas conservan el orden
por referencia. Si no hubo un último contacto registrado, la fecha sigue vacía. La nueva opción
añade las cuentas archivadas sin repetir las activas. Prepara dos cuentas activas en orden
inverso y una archivada. Deja vacía la fecha de una de las activas. Ejecuta el exportador real
con las dos opciones.

En la ruta predeterminada, compara las referencias, su orden y la celda sin fecha. Con la opción
activada, comprueba que aparecen las mismas cuentas y la archivada, una vez cada una. Conviene
incluir un nombre con coma. Un exportador que una las columnas como texto puede producir el
número correcto de filas y repartir mal los valores. Abre el CSV con el tipo de lector que usa el
consumidor. Mantén el ejemplo lo bastante pequeño para leerlo y lo bastante variado para observar
el efecto.

Verifica también que las pruebas rechazan el comportamiento defectuoso. En un entorno de ensayo,
incluye provisionalmente las cuentas archivadas en la ruta predeterminada o quita las comillas
que protegen el nombre con coma. Cada modificación debería provocar un fallo claro en la
condición correspondiente. Restaura el código y ejecuta otra vez. Así se puede detectar una
aserción demasiado débil, como una que solo comprueba que se creó un archivo. Probar un conjunto
sin cuentas archivadas protege además la selección vacía.

La [nota sobre subrayados en Safari y subconjuntos de
fuentes](/es/notes/safari-underline-font-subset/) muestra otro límite de la evidencia. Un cambio
en CSS parecía corregir la representación en Chromium, pero Safari seguía atravesando con el
subrayado los trazos descendentes de las letras. Para proteger ese comportamiento, una prueba de
regresión tendría que observar los motores y los casos que pretende cubrir. La nota recoge el
diagnóstico y lo observado. La prueba sería una forma de conservar esa lección.

## Dónde surgen los problemas

Una gran cantidad de comprobaciones puede dar una imagen engañosa de la cobertura. Cientos de
aserciones pequeñas pueden omitir la integración que lee los datos históricos. Elige casos a
partir de lo que se utiliza, los datos que existen y las interacciones afectadas. Cuando ya haya
escapado un defecto, protege el recorrido perjudicado y comprueba que la aserción falla si vuelve
el comportamiento anterior al arreglo.

También se puede comparar de más. Una captura completa cambia si varían el orden, los
identificadores generados o el reloj. Exige el orden si el exportador lo promete. Si basta con el
conjunto de registros, compara los elementos y comprueba por separado que no haya duplicados.
Revisa los cambios deliberados del resultado esperado como revisarías el código y conserva el
motivo.

Por último, una prueba que falla a ratos dificulta atribuir el error. Espera una condición
observable con un límite de tiempo, utiliza datos conocidos y evita que un caso deje estado para
el siguiente. Conserva comprobaciones amplias allí donde cuentan las interacciones reales y
otras, pequeñas y rápidas, cerca del trabajo diario. Cada una aporta evidencia en una frontera
distinta.

## Lecturas adicionales

- [Manual de ingeniería de software de la NASA sobre pruebas de
  regresión](https://swehb.nasa.gov/spaces/SWEHBVC/pages/50889419/SWE-191+-+Software+Regression+Testing)
- [Documentación de pytest sobre parametrizar
  ejemplos](https://docs.pytest.org/en/stable/how-to/parametrize.html)
- [Pruebas unitarias en Software Engineering at
  Google](https://abseil.io/resources/swe-book/html/ch12.html)

<https://engineer.company/es/glossary/regression-testing/>
