pytest-mock深度解析

以下是关于 pytest-mock 的深度解析，涵盖核心功能、最佳实践和高级用法，帮助您高效利用 Mock 进行单元测试：

一、pytest-mock 的核心优势

1. 与传统 unittest.mock 对比

2. 安装与基础使用

pip install pytest-mock

def test_with_mock(mocker):  # 自动注入 mocker fixture
    mock_obj = mocker.patch("module.ClassName")
    mock_obj.method.return_value = "fake_result"
    assert module.ClassName().method() == "fake_result"

二、核心 Mock 技术详解

1. 模拟对象方法

# 模拟 requests.get()
def test_api_call(mocker):
    mock_get = mocker.patch("requests.get")
    mock_get.return_value.json.return_value = {"key": "value"}
    
    response = my_module.fetch_data()
    assert response["key"] == "value"
    mock_get.assert_called_once_with("https://api.example.com")

2. 模拟属性

class User:
    name = "Alice"

def test_property(mocker):
    mocker.patch.object(User, "name", "Bob")
    assert User.name == "Bob"  # 临时修改类属性

3. 模拟上下文管理器

def test_context_manager(mocker):
    mock_open = mocker.patch("builtins.open", mocker.mock_open(read_data="content"))
    with open("file.txt") as f:
        assert f.read() == "content"

4. 模拟异常

def test_exception(mocker):
    mocker.patch("module.func", side_effect=ValueError("error"))
    with pytest.raises(ValueError, match="error"):
        module.func()

三、高级应用场景

1. 验证调用参数

def test_args_verification(mocker):
    mock_send = mocker.patch("module.send_email")
    module.notify_user("**********")
    
    # 验证调用参数
    mock_send.assert_called_once_with(
        to="**********",
        subject="Notification",
        body=mocker.ANY  # 通配符匹配
    )

2. 动态返回值

def test_dynamic_return(mocker):
    mock_db = mocker.patch("module.Database.query")
    mock_db.side_effect = [
        ["result1", "result2"],  # 第一次调用返回
        [],                      # 第二次调用返回
        Exception("DB error")    # 第三次抛出异常
    ]
    
    assert module.get_data() == ["result1", "result2"]
    assert module.get_data() == []
    with pytest.raises(Exception):
        module.get_data()

3. Spy 对象（部分 Mock）

def test_spy(mocker):
    real_func = module.original_func  # 保存原函数
    spy = mocker.spy(module, "original_func")
    
    result = module.wrapper_func()
    assert spy.call_count == 1
    assert spy.return_value == result
    assert real_func() == result  # 原功能仍可用

四、最佳实践与陷阱规避

1. Mock 作用域控制

@pytest.fixture(scope="module")
def mock_db(mocker):
    return mocker.patch("module.Database", autospec=True)

2. 自动规范（autospec）

mocker.patch("module.Class", autospec=True)  # 严格校验方法是否存在
mocker.patch.object(real_obj, "method", autospec=True)  # 校验参数类型

3. 常见陷阱

• 错误1：Mock 导入路径不一致
• 错误2：过早 Mock

五、与其他工具集成

1. 与 pytest-cov 配合

# 确保 Mock 不影响覆盖率统计
pytest --cov=my_module --cov-branch tests/

2. 参数化测试结合

@pytest.mark.parametrize("input,expected", [(1, 2), (3, 4)])
def test_parametrized(mocker, input, expected):
    mocker.patch("module.transform", return_value=expected)
    assert module.process(input) == expected

3. 异步代码 Mock

import pytest

@pytest.mark.asyncio
async def test_async_mock(mocker):
    mock_func = mocker.patch("module.async_func", return_value="result")
    assert await module.call_async() == "result"
    mock_func.assert_awaited_once()

六、性能优化

1. Mock 复用

@pytest.fixture
def mock_service(mocker):
    return mocker.patch("module.ExternalService", autospec=True)

def test_case1(mock_service):
    mock_service.call.return_value = "response1"
    ...

def test_case2(mock_service):
    mock_service.call.return_value = "response2"
    ...

2. 轻量级 Mock

# 使用 MagicMock 替代真实对象
def test_lightweight(mocker):
    mock = mocker.MagicMock(spec=RealClass)  # 不触发真实初始化
    mock.method.return_value = 42
    ...

七、调试技巧

1. 打印 Mock 调用记录

def test_debug(mocker):
    mock = mocker.patch("module.func")
    module.run_logic()
    print(mock.mock_calls)  # 查看所有调用记录

2. Mock 未生效排查

1. 检查 mocker.patch 路径是否与被测代码导入路径完全一致
2. 确认 Mock 在代码执行前已生效
3. 使用 pytest --pdb 进入调试模式检查

通过掌握这些技术，您可以：✅ 精确隔离测试目标

✅ 模拟各种复杂依赖（网络、数据库等）

✅ 验证系统交互行为

✅ 构建快速稳定的单元测试套件