应 patch 被测代码中导入 requests 的模块路径（如 'api_client.requests.get'），而非 'requests.get'；用 return_value 或 side_effect 控制响应，注意链式调用需逐层 mock；推荐依赖注入提升可测性。
直接用 patch 替换实际请求函数，比写假服务器更轻量、更可控——但必须确保 patch 的目标位置正确，否则 mock 完全不生效。
mock 对象该 patch 哪里？看导入位置，不是定义位置
很多人 patch 失败，是因为在测试文件里写了 @patch('requests.get')，结果没用。真正要 patch 的是被测代码中「使用 requests.get 的那个模块」里 import 的位置。
比如你的业务代码在 api_client.py 中写了：
import requests
def fetch_user(user_id):
return requests.get(f"https://api.example.com/users/{user_id}").json()
而你在 test_api_client.py 中测试它，那 patch 必须指向 api_client.requests.get，而不是 requests.get：
-
@patch('api_client.requests.get')✅（正确） -
@patch('requests.get')❌（只会影响 test 文件里直接调的 requests.get）
用 return_value 和 side_effect 控制响应行为
静态返回值适合简单场景；需要模拟异常、多次不同响应或动态逻辑时，side_effect 更灵活。
- 模拟成功响应：
mock_get.return_value.json.return_value = {"id": 1, "name": "Alice"} - 模拟 HTTP 错误：
mock_get.side_effect = requests.exceptions.ConnectionError("timeout") - 连续两次调用返回不同结果：
mock_get.side_effect = [Mock(json=Mock(return_value={"status": "ok"})), Mock(json=Mock(return_value={"status": "error"}))]
注意：如果被测函数调用了 .json()，mock 对象必须支持链式调用，所以得设 return_value.json.return_value，不能只设 return_value 为 dict。
依赖注入 + mock 更易测，但别为了测试强行改业务逻辑
如果函数硬编码了 requests.get，就只能靠 patch；但如果它接受一个 client 参数，就能直接传入 mock 对象，更直观也更利于单元隔离。
例如重构为：
def fetch_user(user_id, http_client=requests):
return http_client.get(f"https://api.example.com/users/{user_id}").json()
测试时可直接传入 mock：
mock_client = Mock(); mock_client.get.return_value.json.return_value = {...}fetch_user(123, mock_client)
这种写法避免了 patch 作用域和路径问题，但要注意：默认参数 requests 仍是运行时绑定的，若想彻底解耦，建议用 None 占位再内部 fallback，或用依赖注入框架（如 injector）管理。
真实网络请求未被拦截？检查是否漏了 patch 或用了 httpx/urllib3
mock 不生效的常见原因：
- 被测代码实际用的是
httpx.get或urllib3.PoolManager().request，却只 patch 了requests.get - 用了
requests.Session()实例方法（如session.get()），需 patch 对应实例或类方法，而非模块函数 - 异步代码用了
aiohttp，unittest.mock默认不处理协程，得用AsyncMock（Python 3.8+）或pytest-asyncio配合 - 第三方库（如
fastapi.testclient）内部封装了请求，mock 点可能在更高层（如TestClient.get）
最稳的办法：在被测函数开头加个 print(requests.get)，确认你 patch 的确实是那个对象。
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！
