python mock基本使用

什么是mock?

mock在翻译过来有模拟的意思。这里要介绍的mock是辅助单元测试的一个模块。它允许您用模拟对象替换您的系统的部分,并对它们已使用的方式进行断言。

在Python2.x 中 mock是一个单独模块,需要单独安装。

> pip install -U mock

在Python3.x中,mock已经被集成到了unittest单元测试框架中,所以,可以直接使用。

  可能你和我初次接触这个概念的时候会有这样的疑问:把要测的东西都模拟掉了还测试什么呢?

  但在,实际生产中的项目是非常复杂的,对其进行单元测试的时候,会遇到以下问题:

  • 接口的依赖
  • 外部接口调用
  • 测试环境非常复杂

  单元测试应该只针对当前单元进行测试, 所有的内部或外部的依赖应该是稳定的, 已经在别处进行测试过的.使用mock 就可以对外部依赖组件实现进行模拟并且替换掉, 从而使得单元测试将焦点只放在当前的单元功能。

简单的例子                                                        

我们先从最简单例子开始。

modular.py

#modular.py

class Count():

    def add(self):
        pass

这里要实现一个Count计算类,add() 方法要实现两数相加。但,这个功能我还没有完成。这时就可以借助mock对其进行测试。

mock_demo01.py

from unittest import mock
import unittest

from modular import Count

# test Count class
class TestCount(unittest.TestCase):

    def test_add(self):
        count = Count()
        count.add = mock.Mock(return_value=13)
        result = count.add(8,5)
        self.assertEqual(result,13)

if __name__ == ‘__main__‘:
    unittest.main()

  count = Count()

  首先,调用被测试类Count() 。

  count.add = mock.Mock(return_value=7)

  通过Mock类模拟被调用的方法add()方法,return_value 定义add()方法的返回值。

  result = count.add(2,5)

  接下来,相当于在正常的调用add()方法,传两个参数2和5,然后会得到相加的结果7。然后,7的结果是我们在上一步就预先设定好的。

  self.assertEqual(result,7)

  最后,通过assertEqual()方法断言,返回的结果是否是预期的结果7。

  运行测试结果:

> python3 mock_demo01.py
.
----------------------------------------------------------------------
Ran 1 test in 0.000s

OK

这样一个用例就在mock的帮助下编写完成,并且测试通过了。

完成功能测试                                                     

  再接下来完成module.py文件中add()方法。

#module.py

class Count():

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

  然后,修改测试用例:

from unittest import mock
import unittest
from module import Count

class MockDemo(unittest.TestCase):

    def test_add(self):
        count = Count()
        count.add = mock.Mock(return_value=13, side_effect=count.add)
        result = count.add(8, 8)
        print(result)
        count.add.assert_called_with(8, 8)
        self.assertEqual(result, 16)

if __name__ == ‘__main__‘:
    unittest.main()

 count.add = mock.Mock(return_value=13, side_effect=count.add)

  side_effect参数和return_value是相反的。它给mock分配了可替换的结果,覆盖了return_value。简单的说,一个模拟工厂调用将返回side_effect值,而不是return_value。

  所以,设置side_effect参数为Count类add()方法,那么return_value的作用失效。

  result = count.add(8, 8)

  print(result)

  这次将会真正的调用add()方法,得到的返回值为16(8+8)。通过print打印结果。

  assert_called_with(8,8)

  检查mock方法是否获得了正确的参数。

解决测试依赖                                                     

   前面的例子,只为了让大家对mock有个初步的印象。再接来,我们看看如何mock方法的依赖。

  例如,我们要测试A模块,然后A模块依赖于B模块的调用。但是,由于B模块的改变,导致了A模块返回结果的改变,从而使A模块的测试用例失败。其实,对于A模块,以及A模块的用例来说,并没有变化,不应该失败才对。

  这个时候就是mock发挥作用的时候了。通过mock模拟掉影响A模块的部分(B模块)。至于mock掉的部分(B模块)应该由其它用例来测试。

# function.py
def add_and_multiply(x, y):
    addition = x + y
    multiple = multiply(x, y)
    return (addition, multiple)

def multiply(x, y):
    return x * y

  然后,针对 add_and_multiply()函数编写测试用例。func_test.py

import unittest
import function

class MyTestCase(unittest.TestCase):

    def test_add_and_multiply(self):
        x = 3
        y = 5
        addition, multiple = function.add_and_multiply(x, y)
        self.assertEqual(8, addition)
        self.assertEqual(15, multiple)

if __name__ == "__main__":
    unittest.main()

运行结果:

>  python3 func_test.py
.
----------------------------------------------------------------------
Ran 1 test in 0.000s

OK

  

  目前运行一切正确常,然而,add_and_multiply()函数依赖了multiply()函数的返回值。如果这个时候修改multiply()函数的代码。

……
def multiply(x, y):
    return x * y + 3

  这个时候,multiply()函数返回的结果变成了x*y加3。

  再次运行测试:

>  python3 func_test.py
F
======================================================================
FAIL: test_add_and_multiply (__main__.MyTestCase)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "fun_test.py", line 19, in test_add_and_multiply
    self.assertEqual(15, multiple)
AssertionError: 15 != 18                                                

----------------------------------------------------------------------
Ran 1 test in 0.000s                                                    

FAILED (failures=1)   

  测试用例运行失败了,然而,add_and_multiply()函数以及它的测试用例并没有做任何修改,罪魁祸首是multiply()函数引起的,我们应该把 multiply()函数mock掉。

import unittest
from unittest.mock import patch
import function

class MyTestCase(unittest.TestCase):

    @patch("function.multiply")
    def test_add_and_multiply2(self, mock_multiply):
        x = 3
        y = 5
        mock_multiply.return_value = 15
        addition, multiple = function.add_and_multiply(x, y)
        mock_multiply.assert_called_once_with(3, 5)

        self.assertEqual(8, addition)
        self.assertEqual(15, multiple)

if __name__ == "__main__":
    unittest.main()

  @patch("function.multiply")

  patch()装饰/上下文管理器可以很容易地模拟类或对象在模块测试。在测试过程中,您指定的对象将被替换为一个模拟(或其他对象),并在测试结束时还原。

  这里模拟function.py文件中multiply()函数。

  def test_add_and_multiply2(self, mock_multiply):

  在定义测试用例中,将mock的multiply()函数(对象)重命名为 mock_multiply对象。

  mock_multiply.return_value = 15

  设定mock_multiply对象的返回值为固定的15。

  ock_multiply.assert_called_once_with(3, 5)

  检查ock_multiply方法的参数是否正确。

  再次,运行测试用例,通过!

---------------------------------------------------

参考:

http://engineroom.trackmaven.com/blog/making-a-mockery-of-python/

时间: 2024-10-02 19:40:22

python mock基本使用的相关文章

使用 Python Mock 类进行单元测试

数据类型.模型或节点——这些都只是mock对象可承担的角色.但mock在单元测试中扮演一个什么角色呢? 有时,你需要为单元测试的初始设置准备一些“其他”的代码资源.但这些资源兴许会不可用,不稳定,或者是使用起来太笨重.你可以试着找一些其他的资源替代:或者你可以通过创建一个被称为mock的东西来模拟它.Mocks能够让我们模拟那些在单元测试中不可用或太笨重的资源. 在Python中创建mock是通过Mock模块完成的.你可以通过每次一个属性(one-attribute-at-a-time)或一个健

python mock模块使用(一)

什么是mock unittest.mock是一个用于在Python中进行单元测试的库,Mock翻译过来就是模拟的意思,顾名思义这个库的主要功能是模拟一些东西. 它的主要功能是使用mock对象替代掉指定的Python对象,以达到模拟对象的行为. 学过python自动化的对unittest并不陌生,unittest其实是单元测试框架, 但对于单元测试,估计很多小伙伴都不懂,单元测试才是自动化测试的至高境界,其中mock是单元测试的脊髓所在 mock能做什么: 1.前后端联调,如果你是一个前端页面开发

python mock 使用

python中mock数据非常简单 例如: class Human(object): def __init__(self, age, gender): self.age = age self.gender = gender 我们有一个human类 那么如果想mock一个数据那么就 1 from mock import Mock 2 3 class MockDemoTest(unittest.TestCase): 4 def setUp(self): 5 pass 6 7 def test_moc

python mock

#coding:utf-8from mock import mock#模拟mock 封装def mock_test(mock_method,request_data,url,method,response_data): mock_method = mock.Mock(return_value=response_data) res = mock_method(url,method,request_data) return res 参数说明: mock_method:封装的方法名 request_d

[翻译]Mock 在 Python 中的使用介绍

Mock 在 Python 中的使用介绍 [TOC] 原文链接与说明 https://www.toptal.com/python/an-introduction-to-mocking-in-python 本翻译文档原文选题自 Linux中国 ,翻译文档版权归属 Linux中国 所有 本文讲述的是 Python 中 Mock 的使用 如何在避免测试你的耐心的情况下执行单元测试 很多时候,我们编写的软件会直接与那些被标记为肮脏无比的服务交互.用外行人的话说:交互已设计好的服务对我们的应用程序很重要,

Python著名的lib和开发框架(均为转载)

第一,https://github.com/vinta/awesome-python Awesome Python A curated list of awesome Python frameworks, libraries, software and resources. Inspired by awesome-php. Awesome Python Admin Panels Algorithms and Design Patterns Anti-spam Asset Management A

[转]python 常用类库!

Python学习 On this page... (hide) 1.?基本安装 2.?Python文档 2.1?推荐资源站点 2.2?其他参考资料 2.3?代码示例 3.?常用工具 3.1?Python IDE 3.2?内置类库使用参考 3.3?常用第三方类库 3.4?其他东西 3.5?有意思的东西 3.6?普通但没准有用的东西 (Edit Section ↓) 1.? 基本安装 http://www.python.org/ 官方标准Python开发包和支持环境,同时也是Python的官方网站:

Python开源框架、库、软件和资源大集合

A curated list of awesome Python frameworks, libraries, software and resources. Inspired by awesome-php. Admin Panels Libraries for administrative interfaces. Ajenti - The admin panel your servers deserve. django-suit - Alternative Django Admin-Inter

mock的使用_【转】

python mock基本使用 2016-07-06 22:12 by 虫师, 16386 阅读, 2 评论, 收藏, 编辑 什么是mock? mock在翻译过来有模拟的意思.这里要介绍的mock是辅助单元测试的一个模块.它允许您用模拟对象替换您的系统的部分,并对它们已使用的方式进行断言. 在Python2.x 中 mock是一个单独模块,需要单独安装. > pip install -U mock 在Python3.x中,mock已经被集成到了unittest单元测试框架中,所以,可以直接使用.