迹忆客 专注技术分享

代码开发首先是测试并行开发（TPD）。 尽管如此，我们还是编写了开发的测试并执行它们来验证代码的准确性（而不是直接运行代码或使用控制台）。

在 Python 中，我们有一个称为单元测试的过程，其中包含模拟和补丁函数。 本文将讨论这两个角色的用途和区别。

Python 中 Mock 和 Patch 对象库的用途和区别

在本文中，我们不会从整体上解决单元测试，而是更多地关注模拟和补丁功能。

我们使用模拟 Python 包将被测系统的特定组件替换为模拟对象，并对其使用情况进行断言。 它是 Python 标准库的一个组件，从 Python 3.3 开始可以作为 unittest.mock 进行访问。

unittest.mock 类消除了整个测试套件中多个存根的需要。 执行特定操作后，我们可以设置有关我们使用的方法/属性和我们调用它们的参数的断言。

它允许我们指定返回值并选择所需的功能。

MagicDock 可以处理 Magic 对象，它是 Mock 的子类。 当我们使用 Mock 和 MagicMock 对象并记录使用信息时，它们会自发生成特征和方法。

模拟基于 action -> assertion（即，首先使用模拟，然后对其收到的调用进行断言）模式，而不是许多模拟框架使用的 record -> replay 模式。 此外，mock 模块提供了一个名为 patch() 的装饰器，它负责在测试上下文中修补类和模块级特征，并提供用于生成唯一实例的哨兵。

示例代码：

from unittest.mock import patch

@patch('sample_module.sample_object')
def test_function(mock_object):
    print(mock_object)

输出:

<MagicMock name='sample_object' id='1870192341512'>

上面的代码片段相当于下面的代码片段：

def test_function():
    with patch('sample_module.sample_module') as mock_object:
        print(mock_object)

该函数允许我们用模拟对象替换任何对象，以避免调用生产代码并检查原始对象是如何调用的（如果该对象是函数）。 首选使用补丁（或类似的方法），因为这可以确保在测试之后（或在第二种情况下在上下文管理器范围之后）恢复补丁，以便其他测试或程序不受影响。

总结

我们可以注意以下几点来帮助我们做出决策：

1. 为了方便地用模拟对象（或其他对象）替换对象并在完成后恢复之前的状态，或者在出现异常的情况下，使用补丁装饰器/上下文管理器功能。
2. mock.patch 创建模拟或派生对象，我们可以手动生成它们。 手动构建仅用于修复本地函数或其他不需要重置的模拟。