Python中Mock和Patch的区别

在测试并行开发（TPD）中，代码开发是第一位的。尽管如此，我们还是要写出开发的测试，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，我们有一个叫做单元测试的过程，里面有mock 和patch 函数。这篇文章将讨论这两个角色的用途和区别。

Mock 和Patch 对象库的用途和区别

在这篇文章中，我们不会把单元测试作为一个整体来处理，而是更多地关注于mock 和patch 函数。

我们使用mock Python包，用mock 对象替换你的被测系统的特定组件，并对它们的使用进行断言。它是Python标准库的一个组成部分，从Python 3.3开始可以作为unittest.mock 。

unittest.mock 类消除了在整个测试套件中对几个存根的需要。在执行了一个特定的动作后，我们可以设置关于我们使用了哪些方法/属性以及我们调用它们的参数的断言。

它让我们指定返回值并选择需要的功能。

MagicDock可以处理Magic 对象，它是Mock 的子类。Mock 和MagicMock 对象在我们使用它们时自发地产生特性和方法，并记录使用信息。

嘲讽是基于action -> assertion （即先让mock 被使用，然后对它收到的调用进行断言）模式，而不是许多嘲讽框架使用的record -> replay 模式。此外，mock 模块提供了一个叫做patch() 的装饰器，它负责在测试的上下文中修补类和模块级别的特性，并提供了一个用于产生唯一实例的哨兵。

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'>

上面的代码片段等同于下面的代码片段：

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

该函数允许我们用mock 对象替换任何对象，以避免调用生产代码，并检查原始对象如何被调用（如果该对象是一个函数）。使用patch （或类似的方法）是首选，因为这可以确保补丁在测试后被还原（或在第二种情况下在上下文管理器范围后被还原），这样其他测试或程序就不会受到影响。

结论

我们可以注意到以下几点来帮助我们的决策：

• 为了方便地用mock 对象（或其他对象）来替代对象，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patch 装饰器/上下文管理器函数。
• mock.patch 创建mock 或衍生对象，我们可以手工制作。手动构建的只用于修复本地函数或其他不需要重置的模拟。