如何在多个模块中统一模拟同一函数调用

在Python单元测试或者临时调试的场景里，我们经常会遇到一个棘手的问题：如何对一个被多个模块引用的全局函数（比如get_args()）进行统一的模拟替换？直接使用unittest.mock.patch去修补一个模块，往往发现其他模块里的调用“纹丝不动”，这背后的原因，其实和Python的导入机制息息相关。

简单来说，当你在mod1.py和mod2.py中都执行了from mod0 import get_args时，每个模块实际上都创建了一个指向mod0.get_args函数的本地引用副本。这时，如果你仅仅修补了mod1模块里的get_args，那么mod2模块里的那个引用依然指向原始函数，你的模拟自然就失效了。

所以，要实现“一次修补，处处生效”的目标，关键在于转变思路：修补的不是函数定义的地方，而是所有使用它的地方。也就是说，你需要找到所有导入了这个函数的模块，并分别对它们内部的引用进行替换。

下面是一个经过优化的推荐方案，它不仅能确保所有调用都返回同一个模拟对象，还保持了代码的简洁和可扩展性。

from argparse import Namespace
import unittest.mock
from mod0 import get_args
from mod1 import f1

class _MockArgsProvider:
    def __init__(self):
        # 复用原始 args 结构，仅覆盖所需字段
        base = get_args()
        self._args = Namespace(**{**base.__dict__, 'a': 'a'})

    def __call__(self):
        print("new_get_args was called")
        return self._args

def main():
    provider = _MockArgsProvider()  # 单例实例，确保返回同一对象
    # 同时 patch 所有调用方模块中的 get_args 引用
    with unittest.mock.patch('mod1.get_args', new=provider), \
         unittest.mock.patch('mod2.get_args', new=provider):
        f1()

✅ 方案优势

这个方案有几个明显的优点：

• 对象一致性：通过创建一个可调用的_MockArgsProvider单例实例（provider），并直接将其作为new参数注入，可以保证f1、f2等函数获取到的是完全相同的Namespace对象（内存地址一致）。这意味着，如果你后续在某个地方修改了这个对象的属性（比如args.c = 3），所有引用它的地方都能看到这个变化。
• 语法简洁：使用patch(..., new=...)的方式直接注入模拟对象，省去了手动设置return_value的步骤，代码更清晰。
• 易于扩展：如果项目里新增了一个模块mod3.py也导入了get_args，你只需要在with语句里追加一行unittest.mock.patch('mod3.get_args', new=provider)即可，维护成本很低。

⚠️ 关键注意事项

在实施这个方案时，有几个细节必须注意，否则很容易踩坑：

• 不要修补定义模块：除非你的所有模块都采用import mod0; mod0.get_args()这种命名空间调用的方式，否则直接修补'mod0.get_args'是无效的。在本例from ... import ...的导入方式下，必须修补使用方模块的路径。
• 路径必须精确匹配：patch的路径字符串必须和模块中实际使用的导入语句严格对应。from mod0 import get_args对应的是'mod1.get_args'，而不是'mod0.get_args'。
• 动态行为模拟：如果测试需要模拟函数每次调用返回不同值，或者根据输入产生不同输出，可以将_MockArgsProvider设计为有状态的类，或者使用patch的side_effect参数来实现。
• 集成到测试框架：在正式的单元测试中，建议将这套修补逻辑封装到unittest.TestCase的setUp方法中，或者使用@patch装饰器，这样能让测试代码更整洁、更易于管理。

说到底，跨模块函数模拟的核心思想，就是“按需修补导入点”。深刻理解Python的模块导入和符号绑定机制，是精准控制模拟行为、写出可靠测试代码的坚实基础。下次再遇到模拟“失灵”的情况，不妨先检查一下，你的patch到底打在了哪个引用上。