3分析未覆盖部分的代码，从而反推在前期测试设计是否充分，没有覆盖到的代码是否是测试设计的盲点，为什么没有考虑到？
4需求/设计不够清晰，测试设计的理解有误，工程方法应用后的造成的策略性放弃等等，之后进行补充测试用例设计。
5检测出程序中的废代码，可以逆向反推在代码设计中思维混乱点，提醒设计/开发人员理清代码逻辑关系，提升代码质量。
6代码覆盖率高不能说明代码质量高，但是反过来看，代码覆盖率低，代码质量不会高到哪里去，可以作为测试自我审视的重要工具之一。
7'''

1# pip install coverage

 1# 需要统计的python文件,hello_world.py
 2
 3def hello_world():
 4
 5    print('Welcome to Python 集中营')
 6
 7# coverage命令执行代码统计
 8
 9# coverage run hello_world.py
10
11# 控制台输出报告
12
13# coverage report
14
15# Welcome to Python 集中营
16# Name       Stmts   Miss  Cover
17# ------------------------------
18# test1.py      12     11     8%
19# ------------------------------
20# TOTAL         12     11     8%
21
22# 生成html报告
23
24# coverage html
25
26# 打开项目名_py.html 可以在浏览器直接查看醒目报告

 1# 导入coverage代码覆盖率统计包
 2import coverage
 3
 4if __name__ == '__main__':
 5    cover_code = coverage.coverage()  # 创建coverage统计对象
 6    cover_code.start()  # 开始统计
 7    hello_world()  # 需要统计的代码块
 8    cover_code.stop()  # 结束统计
 9    cover_code.save()  # 保存
10    cover_code.report()  # 生成控制台报告
11    cover_code.html_report()  # 生成html报告
12
13# Welcome to Python 集中营
14# Name       Stmts   Miss  Cover
15# ------------------------------
16# test1.py      12     11     8%
17# ------------------------------
18# TOTAL         12     11     8%