Python mock

在测试过程中，为了更好地展开单元测试，mock一些数据跟对象在所难免，下面讲一下python的mock的简单用法。

关于python mock，网上有很多资料，这里不会讲的特别深，但一定会是实用为主，看完后，至少可以让你知道mock是怎样用的。

 

1.mock对象方法中的返回数据：

我们经常会需要这样的场景，a系统跟b系统联调，b系统开发人员进度较慢，有些a需要调用b系统api的返回数据没办法拿到，这时候，不改变原来的代码，但联调需要保证a系统这边功能完全ok

的场景就可以用到mock这个模块了。

在这里，我们假设b系统完成时是以下这个样子

system_b.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import json
import requests

def send_request(url):
    r = requests.get(url)
    return json.loads(r.text)


def visit_ustack():
    return send_request('http://api.kanzhihu.com/getposts')

if __name__ == '__main__':
    content = visit_ustack()
    print content

我们通过调用visit_ustack()这个入口，可以得到http://api.kanzhihu.com/getposts这个接口返回的json数据。理想测试情况下，a系统这边的测试代码是这样的

system_a.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import system_b

def system_b_test():
    if system_b.visit_ustack()['count'] == 10:
        print "system b正常,测试通过"
    else:
        print "system b异常,测试失败"


system_b_test()

结果显而易见是这样的

/System/Library/Frameworks/Python.framework/Versions/2.7/bin/python /Users/lsf/PycharmProjects/py_pattern/test.py
system b正常,测试通过

Process finished with exit code 0

但现在糟糕的是，系统 b的主体函数send_request还没开发，我们没办法获取json格式的数据，当然，现实中可以通过很多其他的办法来解决，但为了最大程度仿真b系统，现在可以通过mock来完成这项工作。

现实中功能未完成的a系统

system_a.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-


def send_request(url):
    pass


def visit_ustack():
    return send_request('http://api.kanzhihu.com/getposts')

if __name__ == '__main__':
    content = visit_ustack()
    print content

system_b.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import mock
import system_b


def system_b_test():
    mock_result = {u'count': 1000, u'publishtime': u'1470798000', u'date': u'2016-08-10', u'id': u'2375'}], u'error': u''}
    system_b.send_request = mock.Mock(return_value=mock_result)
    if system_b.visit_ustack()['count'] == 1000:
        print "system b正常,测试通过"
    else:
        print "system b异常,测试失败"


system_b_test()

结果是

/System/Library/Frameworks/Python.framework/Versions/2.7/bin/python /Applications/PyCharm.app/Contents/helpers/pycharm/utrunner.py /Users/lsf/PycharmProjects/py_pattern/test.py true
Testing started at 15:24 ...
system b正常,测试通过

Process finished with exit code 0
Empty test suite.

在这里，我们通过直接mock一个json数据，来达到b系统返回数据的目的，甚至我们调用的依然是b系统的接口，区别已用红色字体标出，这个就是mock的操作了。

（1）mock_result:准备需要的mock数据

（2）用mock.Mock(return_value=mock_result)将mock对象设置给系统b对应的返回方法中

值得注意的是，mock.Mock(return_value=mock_result)是一个对象，但为什么system_b.send_request = mock.Mock(return_value=mock_result)返回的是数据而不是对象的其他属性跟方法呢，在这里，是因为mock对象中有一个side_effect属性，如果这个属性为None,就会将return_value设置的值返回。

 

2.mock对象中的方法：mock.patch跟mock.patch.object

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import mock

class By(object):

    def add(self, a, b):
        return a + b + self.multiply(a,b)

    def multiply(self, a, b):
        pass

b  = By()

class MockDemo(object):
    def __init__(self):
        self.b  = b

    @mock.patch.object(b,'multiply')
    def test_add(self,mock_multiply):
        a = 3
        b = 5
        mock_multiply.return_value = 15
        if self.b.add(a,b) == 23:
            print "mock成功"
        else:
            print "mock失败"

if __name__ == '__main__':
    MockDemo().test_add()

如果mock的是一个函数，则可以用@mock.patch(target='module.func')来实现。