monkey patch 能改类但不改源码，因 python 类对象可变，方法是绑定到类命名空间的函数对象，直接赋值修改类 __dict__ 即可生效，仅对新式类可靠；动态加实例方法须用 types.methodtype 绑定，否则 self 不自动传入。
Monkey Patch 为什么能改类但不改源码
因为 Python 的类对象本身是可变的，方法本质上是绑定到类命名空间里的函数对象。MyClass.method = new_func 这种赋值会直接写入类的 __dict__，后续所有实例都会看到这个新方法——和修改模块级变量逻辑一致，不涉及字节码或 AST 重写。
注意：仅对「新式类」（即继承 object 或无显式父类的 Python 3 类）可靠；老式类（Python 2 遗留）行为不一致，现在基本不用。
给实例动态加方法要用 types.MethodType
直接把函数赋给实例属性（如 obj.new_method = func）只会得到普通函数，self 不自动传入。必须用 types.MethodType 绑定到实例：
import types
<p>def instance_method(self, x):
return f"got {x} on {self.<strong>class</strong>.<strong>name</strong>}"</p><p>obj = MyClass()
obj.instance_method = types.MethodType(instance_method, obj)
</p>
- 漏掉
types.MethodType→ 调用时报TypeError: instance_method() missing 1 required positional argument: 'self' - 绑定后的方法只对当前实例有效，不影响其他实例或类
- 若想让所有实例共享，还是得 Patch 到类上
打补丁时覆盖已有方法要小心 __dict__ 查找顺序
Python 方法查找优先走 MRO（方法解析顺序），但 Monkey Patch 写入类 __dict__ 后，该方法就成为「本类定义」，会覆盖父类同名方法——哪怕父类方法是用 @property 或 @classmethod 定义的。
常见陷阱：
- 给
list打补丁：list.my_extend = lambda self, other: self.extend(other + [0])—— 看似无害，但一旦其他库也 Patchlist，可能互相覆盖 - Patch 内置类型（如
str、dict）在某些 Python 实现（如 PyPy）或冻结解释器中会失败，报TypeError: can't set attributes of built-in/extension type 'str' - 测试框架（如 pytest）常依赖干净的类状态，全局 Monkey Patch 可能导致测试间污染，建议用
pytest.fixture或unittest.mock.patch替代
临时 Patch 推荐用 contextlib.suppress 或自定义上下文管理器
硬编码 MyClass.old_foo = MyClass.foo; MyClass.foo = new_foo 再手动恢复，容易漏掉异常路径。更稳妥的是封装成上下文管理器：
from contextlib import contextmanager <p>@contextmanager def patch_method(cls, method_name, new_func): old_func = getattr(cls, method_name) setattr(cls, method_name, new_func) try: yield finally: setattr(cls, method_name, old_func)</p><h1>使用</h1><p>with patch_method(MyClass, "process", mock_process): obj.process() # 走 mock </p>
关键点：
- 没做异常安全处理的 Patch，程序崩溃后类就永久“带病”了
-
setattr对只读描述符（如某些 C 扩展里的方法）会静默失败，建议 Patch 前先hasattr(cls, method_name)并检查getattr(cls, method_name).__func__是否可写 - 线上环境禁止全局 Monkey Patch，调试或测试阶段才用
真正麻烦的不是加方法，而是确保 Patch 的生命周期可控、作用域明确、且不被其他代码意外干扰。尤其当多个测试或模块同时 Patch 同一个类时，顺序和清理时机比 Patch 本身更值得盯紧。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
