当前位置:

首页 > 编程开发 > Python模拟复杂对象:unittest.mock与pytest注入教程

Python模拟复杂对象:unittest.mock与pytest注入教程

mock.patch没生效最常见的原因是目标路径写错,应patch被测函数实际访问的位置而非import位置;可用patch.object更安全,side_effect控制多返回值,assert_called系列验证调用,fixture封装patch避免重复。

本文目录

    mock.patch没生效最常见的原因是目标路径写错,应patch被测函数实际访问的位置而非import位置;可用patch.object更安全,side_effect控制多返回值,assert_called系列验证调用,fixture封装patch避免重复。

    Python如何模拟复杂对象_使用unittest.mock配合pytest进行注入

    mock.patch 为什么没生效?

    最常见的原因是 patch 的目标位置写错了——不是写被测试代码里 import 的地方,而是写「被测试对象实际访问它的地方」。比如你在 utils.py 里写了 requests.get(),但测试时却 patch requests.get 在 test_utils.py 中的导入路径,那 mock 就不会触发。

    实操建议:

    • 用 patch('module_name.ClassName.method_name'),其中 module_name 是被测函数所在模块(如 utils),不是你 import 它的地方
    • 如果被测函数在 app.services.api_client 里调用了 httpx.post,就该 patch 'app.services.api_client.httpx.post'
    • 用 patch.object 更安全:比如 patch.object(httpx, 'post'),避免字符串路径出错
    • pytest + unittest.mock 混用时,别在 fixture 里只 return Mock() 而不 patch,那只是造了个假对象,没替换掉运行时调用链

    如何让 mock 返回不同值以覆盖分支逻辑?

    单次调用返回固定值不够用,比如一个函数里两次调用 json.loads(),第一次成功、第二次抛异常,就得控制返回行为。

    实操建议:

    • 用 side_effect:传列表(按调用顺序返回)、异常类(如 ValueError)、或函数(可带参数做判断)
    • mock_obj.method.side_effect = [True, False, ValueError('timeout')] —— 第三次调用直接 raise
    • 需要检查入参再决定返回?写个函数:lambda x: {'id': 1} if 'user' in x else {}
    • 注意:return_value 和 side_effect 互斥,设了后者,前者会被忽略

    mock 之后怎么验证调用是否符合预期?

    光 mock 不验证,等于白 mock。容易漏掉参数拼错、调用次数不对、甚至根本没调用。

    实操建议:

    • 用 assert_called()、assert_called_once()、assert_not_called() 快速确认是否触发
    • 查参数:mock_obj.method.assert_called_with(url='https://api.example.com', timeout=5)
    • 查多次调用:mock_obj.method.assert_has_calls([call(...), call(...)], any_order=False)
    • 别忘了 call 要从 unittest.mock 导入,pytest 不自带
    • 如果 mock 的是类实例方法,记得验证的是实例上的方法调用,不是类本身

    pytest.fixture + mock 怎么组织才不混乱?

    把 patch 写进每个 test 函数太重复;全塞进 conftest.py 又容易过度共享、干扰其他测试。

    实操建议:

    • 优先用 fixture 封装 patch:用 @pytest.fixture + with patch(...) 或 patch.start()/stop()
    • scope 设为 'function',避免跨测试污染;需要共享时再升到 'module'
    • fixture 返回 mock 对象本身,而不是 patcher,方便 test 函数里做 assert
    • 慎用 autospec=True:虽然能自动校验签名,但在 mock 类方法或复杂继承时可能报 AttributeError,先关掉试试
    • mock 对象默认允许任意属性访问,若要严格限制,加 spec_set=True,访问不存在属性会立刻报错

    真实项目里,mock 的边界往往比想象中模糊——比如你以为只 mock 了数据库,结果 ORM 自动触发了缓存 client 的初始化。多打一行 print(mock_obj.__dict__) 或用 mock_obj.method.call_args_list 看看到底发生了什么,比猜快得多。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查
    Nod 0.8.1怎样理解状态码、Ray ID与计划检查

    Nod 0.8.1补充连接服务状态与原因、Attio Cloudflare 403诊断,并让Gmail在连接服务429或503后延后计划轮询。

    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化
    Ducter 0.0.59如何理解同会话聊天、Git可选和附件变化

    Ducter 0.0.59扩展Telegram、Slack和Mac iMessage会话,区分项目目录来源、Git可选、等待状态与附件入口。

    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?
    llama.cpp b12435、b12436、b12438测试构建的三类兼容变化有什么区别?

    llama.cpp b12435、b12436、b12438预发布构建,分别解释Vulkan并列选择确定性、32位编译与Jinja JSON键排序的适用范围。

    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化
    ScopeWeaver 0.9.2、0.9.3与0.9.4如何区分运行时、Zod和任务状态变化

    ScopeWeaver 0.9.2、0.9.3与0.9.4分别调整桥运行时、Zod依赖和同进程服务器重建后的暂停状态;区分版本对象与作者本地研究用途声明。

    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗
    AG2 1.3.2的输入Token为何变多,旧ACP版本还能用吗

    AG2 1.3.2统一缓存Token统计并更新ACP1.x依赖;解释预算提前触达、报表口径与Python3.15构建限制。

    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径
    llama.cpp b12433怎样为AMD奇数列保留MUL_MAT_ID回退路径

    llama.cpp b12433避免AMD设备将奇数src0列送入需要偶数列的MMVF路径:满足偶数条件才保留MMVF,其他形状沿用既有回退。对应改动发生在MUL_MAT_ID处理和相关同步判断中,范围限定于代码说明中的类型与token条件。

    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话
    Ducter 0.0.58如何区分下一步消息、完成后消息与后台会话

    Ducter 0.0.58调整任务阅读、执行中消息和后台会话,区分下一步发送与做完再说,并说明tailnet HTTPS辅助的条件。

    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分
    Unlimited OCR 2在TextMind能否直接使用,账号权限与模型示例如何区分

    Unlimited OCR 2官方确认百度智能云TextMind渠道;区分云端入口、账号权限配额与本地模型部署,避免混淆接口和计费条件。

    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用
    TensorFold 1.2.9的Ollama接口和服务配置文件怎么用

    TensorFold 1.2.9的服务配置文件用于保存和复用启动参数,Ollama兼容API则在同一推理路径上提供聊天、生成和模型查询等接口。理解配置优先级及后端限制,比只看到“兼容”就直接迁移全部流量更有用。

    如何理解Univer 1.5.2的二次混淆移除与构建边界?
    如何理解Univer 1.5.2的二次混淆移除与构建边界?

    理解Univer 1.5.2的关键,是把额外混淆与构建压缩分开。本版删除二次混淆插件及相关配置,同时保留Pro模块的minify设置;它解释的是产物处理方式的变化,不代表增加了表格或公式能力。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。