Python开发中如何配置Mock环境_使用unittest.mock进行集成测试-Python教程-PHP中文网

mock.patch 失效主因是作用域和启动时机不匹配，必须确保 patch 在实际调用发生的作用域内生效，且路径需严格对应导入位置而非定义位置。

python开发中如何配置mock环境_使用unittest.mock进行集成测试

mock.patch 失效的常见原因是它只在被装饰或上下文管理的代码块内起作用，一旦跳出作用域，原始对象就恢复。比如在类方法里 patch 了 requests.get，但调用发生在 setUp 里，而测试方法里没触发——那 mock 根本没被用上。

实操建议：

优先用上下文管理器写法：with mock.patch('requests.get') as mock_get:，清晰可控
装饰器方式必须确保装饰的是实际调用目标函数的层级，比如被测函数在 utils.py，就得 @mock.patch('utils.requests.get')，而不是 @mock.patch('requests.get')
如果 patch 类，注意是 patch「导入位置」，不是定义位置：from mypkg import service → 要 patch 'mypkg.service.SomeClass'，不是 'mypkg.SomeClass'

return_value 适合返回静态值，比如固定 JSON 字典；side_effect 用于需要动态行为的场景，比如抛异常、按调用次数返回不同结果、或执行真实函数逻辑后 mock。

常见错误：用 return_value={'status': 'ok'} 模拟一个会多次调用并返回不同响应的 API，结果每次都是同一个字典——这会掩盖状态变更 bug。

实操建议：

返回简单结构体：直接用 return_value，如 mock_get.return_value.json.return_value = {'id': 123}
需要模拟失败重试：用 side_effect=[ConnectionError, Mock(json=lambda: {'id': 456})]
想验证参数又返回值：用函数形式 side_effect=lambda url, **kw: Mock(json=lambda: {'url': url})

直接 patch time.time 或 datetime.datetime.now 容易出兼容问题，尤其当被测代码用了 from datetime import datetime 这种导入方式时，patch 点必须严格匹配导入路径。

更稳妥的做法是 patch 被测模块中「实际使用的名称」。例如：

Galileo python sdk

Galileo AI 平台 Python SDK 完整参考，用于评估、监控和保护 GenAI 应用，适用于构建 Python 应用。

下载

from datetime import datetime

def get_timestamp():
    return datetime.now().isoformat()

要 mock 就得写 @mock.patch('mymodule.datetime')，然后在测试里设 mock_datetime.now.return_value = datetime(2023, 1, 1)。

实操建议：

当一个测试里要 patch 超过 3 个外部依赖（比如数据库、缓存、HTTP 客户端、消息队列），说明被测单元职责过重，或者边界不清晰。mock 不是补丁，而是接口契约的显式声明。

这时候该做的不是加更多 patch，而是审视：这个函数到底该不该承担这么多协作？能不能把 HTTP 调用抽成独立 service，把数据库操作封装进 repository？

实操建议：

每个测试只 mock 直接依赖，不 mock 依赖的依赖（比如 A 调 B，B 调 C，测试 A 时只 mock B，让 B 真实运行）
用 autospec=True 参数：如 mock.patch('requests.get', autospec=True)，能防止调用不存在的方法，提前暴露接口误用
mock 对象本身也是“可测对象”——检查 mock_get.assert_called_once_with(url='https://api.example.com') 比检查返回值更能确认集成逻辑正确

mock 的粒度和位置，本质上反映的是代码的解耦程度。越难 mock，往往说明越该重构。