Python——单元测试中mock原理和使用

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python——单元测试中mock原理和使用相关的知识,希望对你有一定的参考价值。


摘要

mock主要是的为了提供开发程序员的做一个的单元测试而使用的。假设你开发一个项目,里面包含了一个登录模块,登录模块需要调用身份证验证模块中的认证函数,该认证函数会进行值的返回,然后系统根据这个返回值来做判断是否能进行登录。但是身份证验证模块中的认证函数只有在正式上线的系统上才提供。公司内部的测试环境或者开发环境上不提供。如果此时需要进行登录模块的业务测试或接口测试。

Python——单元测试中mock原理和使用_ide

测试方案一:搭建真实测试环境

搭建一个真实的测试环境器,在测试的时候,让认证函数和这个测试服务器交互,返回值给登录模块;

缺点:

1、测试服务器可能不好搭建,或者搭建效率很低;

2、搭建的测试服务器可能无法返回所有可能的值,或者需要大量的工作才能达到这个目的。

3、有可能真实的测试环境构建不了,又或者是测试的代价太大。

测试方案二:使用mock模拟

Mock是Python中一个用于支持单元测试的库,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。python3.3 以前,mock是第三方库,需要安装之后才能使用。python3.3之后,mock作为标准库内置到 unittest。

因为unittest集成了mock,而且python3.0使用更加广泛,所以以unittest中的mock为例介绍mock功能。


Python——单元测试中mock原理和使用_迭代_02


 Mock对象是模拟的基石,提供了丰富多彩的功能。从测试的阶段来分类包括:


Python——单元测试中mock原理和使用_迭代_03


mock的定义


class unittest.mock.Mock(spec=None, side_effect=None, return_value=DEFAULT, wraps=None, name=None, spec_set=None, unsafe=False, **kwargs)


return_value :调用mock的返回值,模拟某一个方法的返回值。


side_effect :调用mock时的返回值,可以是函数,异常类,可迭代对象。使用side_effect可以将模拟对象的返回值变成函数,异常类,可迭代对象等。
当设置了该方法时,如果该方法返回值是DEFAULT,那么返回return_value的值,如果不是,则返回该方法的值。 return_value 和 side_effect 同时存在,side_effect会返回。
如果 side_effect 是异常类或实例时,调用模拟程序时将引发异常。
如果 side_effect 是可迭代对象,则每次调用 mock 都将返回可迭代对象的下一个值。


name :mock 的名称。 这个是用来命名一个mock对象,只是起到标识作用,当你print一个mock对象的时候,可以看到它的name。


wraps: 装饰器:模拟对象要装饰的项目。
如果wrapps不是None,那么调用Mock将把调用传递给wrapped对象(返回实际结果)。
对mock的属性访问将返回一个mock对象,该对象装饰了包装对象的相应属性。


spec_set:更加严格的要求,spec_set=True时,如果访问mock不存在属性或方法会报错


spec: 参数可以把一个对象设置为 Mock 对象的属性。访问mock对象上不存在的属性或方法时,将会抛出属性错误。


mock的使用


使用mock.Mock()可以创建一个mock对象,对象中的方法有两种设置途径:

作为Mock类的参数传入。

mock.Mock(return_value=20,side_effect=mock_fun, name=mock_sum)

实例化mock对象之后设置属性。

mock_sum = mock.Mock()
mock_sum.return_value = 20
mock_sum.side_effect = mock_fun


mock基础测试

​https://github.com/2462612540/Machine-Learning/tree/2021/python_mock​

mock高级测试

完成模拟之后之后,必须把它们复原。如果模拟对象在其它测试中持续存在,那么会导致难以诊断的问题。为此,mock中还提供了 mock.patch和mock.patch.object 等多个对象。mock.patch 是一种进阶的使用方法,主要是方便函数和类的测试,有三种使用方法:

  1.  函数修饰器
  2. 类修饰器
  3. 上下文管理器 

使用patch或者patch.object的目的是为了控制mock的范围

  1. patch:用于mock一个函数
  2. patch.object:用于mock一个类

mock.patch 的定义:

unittest.mock.patch(target, new=DEFAULT, spec=None, create=False, spec_set=None, autospec=None, new_callable=None, **kwargs)

说明:Patch()充当函数修饰器、类修饰器或上下文管理器。在函数体或with语句中,使用patch中的new替换目标函数或方法。当function/with语句退出时,模拟程序被撤消。

Python——单元测试中mock原理和使用_测试_04

target: 模拟对象的路径,参数必须是一个str,格式为package.module.ClassName,
注意这里的格式一定要写对。如果对象和mock函数在同一个文件中,路径要加文件名
new: 模拟返回的结果,是一个具体的值,也可是函数。new属性替换target,返回模拟的结果。
new_callable 模拟返回的结果,是一个可调用的对象,可以是函数。
spec: 与Mock对象的参数类似,用于设置mock对象属性。
spec_set: 与Mock对象的参数类似,严格限制mock对象的属性或方法的访问
autospec:替换mock对象中所有的属性。可以替换对象所有属性,但不包括动态创建的属性。
autospec是一个更严格的规范。如果你设置了autospec=True,将会使用spec替换对象的属性来创建一个mock对象。mock对象的所有属性都会被spec相应的属性替换。
被mock的方法和函数会检查他们的属性,如果调用它们没有属性会抛出 TypeError。它们返回的实例也会是相同属性的类
create:允许访问不存在属性
默认情况下,patch()将无法替换不存在的属性。如果你通过create=True,当替换的属性不存在时,patch会创建一个属性,并且当函数退出时会删除掉属性。这对于针对生产代码在运行时创建的属性编写测试非常有用。它在默认情况下是关闭的,因为它可能是危险的,打开它后,您可以针对实际不存在的api编写通过测试的代码

同时mock.patch也是mock的一个子类,所以可以用return_value 和 side_effect

mock.patch的使用

def get_sum(x, y):
pass

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

import demo
from unittest import mock

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, return_value=20)

mock_get_sum.start()
result = demo.get_sum()
mock_get_sum.stop()

print(result)

need_mock_fun()
import demo
from unittest import mock

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, side_effect=mock_fun)

mock_get_sum.start()
result = demo.get_sum()
mock_get_sum.stop()

print(result)

need_mock_fun()



import demo
from unittest import mock

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, return_value=20, side_effect=mock_fun)

mock_get_sum.start()
result = demo.get_sum()
mock_get_sum.stop()

print(result)

need_mock_fun()
import demo
from unittest import mock

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum)
mock_get_sum.new = 40

mock_get_sum.start()
result = demo.get_sum
print(result)
mock_get_sum.stop()

new 用来模拟返回结果,new 是用来返回结果,return_value 也是用来返回结果。但是两者有不同之处。设置return_value时,调用模拟对象时使用函数的方法。如result = demo.get_sum(),而new是将整个函数模拟成一个返回值,需要使用result = demo.get_sum。


如下使用函数调用的方式就会报错。
def need_mock_fun():
with mock.patch(demo.get_sum, new=40):
result = demo.get_sum()
print(result)

>>>>>
Traceback (most recent call last):
File "mock_demo.py", line 37, in <module>
need_mock_fun()
File "/Library/Developer/CommandLineTools/Library/Frameworks/Python3.framework/Versions/3.8/lib/python3.8/unittest/mock.py", line 1348, in patched
return func(*newargs, **newkeywargs)
File "mock_demo.py", line 12, in need_mock_fun
result = demo.get_sum()
TypeError: int object is not callable

--------------------------------------------------------
def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, new=40)
mock_get_sum.start()
result = demo.get_sum
print(result)
mock_get_sum.stop()

--------------------------------------------------------
上面的使用方法常用于模拟一个变量的情况,对于模拟函数并不是合适。如果模拟函数,可以给new赋值一个函数。如下:

import demo
from unittest import mock

def mock_fun():
return 30

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, new=mock_fun)

mock_get_sum.start()
result = demo.get_sum()
mock_get_sum.stop()

print(result)

need_mock_fun()
new_callable:模拟返回的结果,必须是一个可调用的对象,可以是函数

import demo
from unittest import mock

def mock_fun():
return 30

def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum)
mock_get_sum.new_callable = mock_fun

mock_get_sum.start()
result = demo.get_sum
print(result)
mock_get_sum.stop()

new和new_callable不可共存
new 与 new_callable 不可以共同设置。
new是实际对象;new_callable是用于创建对象的可调用对象。两者不能一起使用(您可以指定替换或函数来创建替换;同时使用两者是错误的。)


def need_mock_fun():
mock_get_sum = mock.patch(demo.get_sum, new=40, new_callable=mock_fun)
# mock_get_sum.new_callable = mock_fun
# mock_get_sum.new = 40

mock_get_sum.start()
# mock_get_sum.return_value = 20
# mock_get_sum.side_effect = mock_fun
result = demo.get_sum
print(result)
mock_get_sum.stop()
>>>>>>
vTraceback (most recent call last):
File "mock_demo.py", line 38, in <module>
need_mock_fun()
File "mock_demo.py", line 26, in need_mock_fun
mock_get_sum = mock.patch(demo.get_sum, new=40, new_callable=mock_fun)
File "/Library/Developer/CommandLineTools/Library/Frameworks/Python3.framework/Versions/3.8/lib/python3.8/unittest/mock.py", line 1727, in patch
return _patch(
File "/Library/Developer/CommandLineTools/Library/Frameworks/Python3.framework/Versions/3.8/lib/python3.8/unittest/mock.py", line 1248, in __init__
raise ValueError(
ValueError: Cannot use new and new_callable together

装饰器@mock.patch

mock.patch可以作为装饰器来装饰一个测试函数


demo.py

def get_sum(x, y):
pass
------------------------------------------------------------
test_demo.py

from unittest import mock
import demo

@mock.patch(demo.get_sum)
def need_mock_fun(mock_get_sum):
mock_get_sum.return_value = 20
result = demo.get_sum()
print(result)

need_mock_fun()
------------------------------------------------------------

from unittest import mock
import demo

def mock_fun():
return 30

@mock.patch(demo.get_sum)
def need_mock_fun(mock_get_sum):
mock_get_sum.side_effect = mock_fun
result = demo.get_sum()
print(result)

need_mock_fun()
------------------------------------------------------------
from unittest import mock
import demo

def mock_fun():
return 30

@mock.patch(demo.get_sum)
def need_mock_fun(mock_get_sum):
mock_get_sum.return_value = 20
mock_get_sum.side_effect = mock_fun
result = demo.get_sum()
print(result)

need_mock_fun()


with 上下文管理器

使用with将mock对象作用于上下文.


def get_sum(x, y):
pass


import demo
from unittest import mock


def need_mock_fun():
with mock.patch(demo.get_sum, new=40):
result = demo.get_sum
print(result)


import demo
from unittest import mock

def mock_fun():
return 30

def need_mock_fun():
with mock.patch(demo.get_sum, new_callable=mock_fun) as mock_get_sum:
result = demo.get_sum
print(result)
need_mock_fun()


三种使用方法对比

手动指定

装饰器

上下文管理器

优点

可以更精细控制mock的范围

方便mock多个对象

不足之处

需要手动start和stop

装饰器顺序和函数参数相反容易混乱

一个with只能mock一个对象

MagicMock

MagicMock是Mock的一个子类,具有大多数魔法方法的默认实现。在mock.patch中new参数如果没写,默认创建的是MagicMock。

>>> from unittest import mock
>>>
>>> a = mock.MagicMock()
>>>
>>> int(a)
1
>>> len(a)
0
>>> str(a)
"<MagicMock id=139819504851824>"

魔法方法:Python 中的类有一些特殊的方法。在python的类中,以两个下画线​​__​​​开头和结尾的方法如​​__new__​​​,​​__init__​​​ 。这些方法统称“魔术方法”(Magic Method)。任意自定义类都会拥有魔法方法。使用魔术方法可以实现运算符重载,如对象之间使用 == 做比较时,其实是对象中 ​​__eq__​​实现的。魔法方法类似于对象默认提供的各种方法。

__new__    创建类并返回这个类的实例
__init__ 可理解为“构造函数”,在对象初始化的时候调用,使用传入的参数初始化该实例
__del__ 可理解为“析构函数”,当一个对象进行垃圾回收时调用
__class__
__delattr__
__dict__
__dir__
__doc__
__eq__
__format__
__ge__
__getattribute__
__gt__
__hash__
__init_subclass__
__le__
__lt__
__module__
__ne__
__reduce__
__reduce_ex__
__repr__
__setattr__
__sizeof__
__str__
__subclasshook__
__weakref__
Magic Mock 的默认值:
Magic Mock 实例化之后就会有一些初始值,是一些属性的实现。具体的默认值如下:

__lt__: NotImplemented
__gt__: NotImplemented
__le__: NotImplemented
__ge__: NotImplemented
__int__: 1
__contains__: False
__len__: 0
__iter__: iter([])
__exit__: False
__aexit__: False
__complex__: 1j
__float__: 1.0
__bool__: True
__index__: 1
__hash__: default hash for the mock
__str__: default str for the mock
__sizeof__: default sizeof for the mock

使用MagicMock和Mock的场景:
使用MagicMock:需要魔法方法的场景,如迭代
使用Mock:不需要魔法方法的场景可以用Mock

pytest测试框架

pytest是一个测试的框架,能够提供测试场景中的多种功能。这里不讨论别的功能,只说mock。​​pytest-mock​​是一个pytest的插件,安装即可使用。pytest-mock提供了一个mocker对象,在导入pytest时默认导入。mocker 是对mock的一个兼容,mock有的属性和方法,mocker都有,而且还有自己特有的方法。

mocker.patch
mocker.patch.object
mocker.patch.multiple
mocker.patch.dict
mocker.stopall
mocker.resetall

Mock
MagicMock
PropertyMock
ANY
DEFAULT (Version 1.4)
call (Version 1.1)
sentinel (Version 1.2)
mock_open
seal (Version 3.4)

Python——单元测试中mock原理和使用_ide_05

特有属性:

  1. Type Annotations 类型注解
  2. Spy 间谍
  3. Stub 存根

mock的使用

在pytest框架中使用的mock 是pytest-mock,这个模块需要独立安装

def test_mock_fun(mocker):
mock_get_sum = mocker.patch(mock_demo.get_sum)
mock_get_sum.return_value = 20
print(mock_demo.get_sum())

-----------------------------------------------------------------
pytest pytest_demo.py
>>>
============================================================== test session starts ==============================================================
platform linux -- Python 3.7.3, pytest-6.2.4, py-1.10.0, pluggy-0.13.1
rootdir: /home/ljk/Desktop
plugins: mock-3.6.1
collected 1 item

mock_fun1.py . [100%]

=============================================================== 1 passed in 0.02s ===============================================================
(work) ljk@work:~/Desktop$

spy简介:在所有情况下,mocker.spy对象的行为都与原始方法完全相同,只是spy还跟踪函数/方法调用、返回值和引发的异常。 

import os
def test_spy_listdir(mocker):
mock_listdir = mocker.spy(os, getcwd)
os.getcwd()
assert mock_listdir.called

-------------------------------------------------------------
pytest pytest_demo.py
>>>
============================================================== test session starts ==============================================================
platform linux -- Python 3.7.3, pytest-6.2.4, py-1.10.0, pluggy-0.13.1
rootdir: /home/ljk/Desktop
plugins: mock-3.6.1
collected 1 item

mock_fun1.py . [100%]

=============================================================== 1 passed in 0.02s ==============================================================

stub:存根是一个模拟对象,它接受任何参数,对测试调用非常有用。

stub可以模拟测试对象中的属性,如可以模拟成测试对象中的变量,函数等。将stub实例传入测试对象中,可以获得测试对象内部执行的过程。所以:Stub 可以跟踪和测试对象的交互,使用在回调函数中十分有效。

def foo(param):
param(foo, bar)


def test_stub(mocker):
# 模拟成foo中的一个函数
stub = mocker.stub(name=on_something_stub)

foo(stub)

# 测试foo中这个函数的调用参数是否正确
stub.assert_called_once_with(foo, bar)

mock总结

mocker兼容mock的功能,但是对于mock.patch的装饰器用法和上下文用法是不支持的。
如果是使用pytest的框架,如pytest-django,或者pytest-flask等,推荐使用mocker来完成模拟。

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

技术分享图片
#modular.py

class Count():

    def add(self):
        pass
技术分享图片

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

技术分享图片
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()
技术分享图片

  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:

技术分享图片
> python3 mock_demo01.py
.
----------------------------------------------------------------------
Ran 1 test in 0.000s

OK
技术分享图片

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。

技术分享图片
#module.py

class Count():

    def add(self, a, b):
        return a + b
技术分享图片

  然后,修改测试用例:

技术分享图片
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()
技术分享图片

   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。

技术分享图片
# 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
技术分享图片

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

技术分享图片
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()
技术分享图片

 运行结果:

技术分享图片
>  python3 func_test.py
.
----------------------------------------------------------------------
Ran 1 test in 0.000s

OK
技术分享图片

  

  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:

技术分享图片
>  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)   
技术分享图片

  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。

技术分享图片
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()
技术分享图片

  @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!

 

 

本文摘自虫师:https://www.cnblogs.com/fnng/p/5648247.html

以上是关于Python——单元测试中mock原理和使用的主要内容,如果未能解决你的问题,请参考以下文章

Mock 或 Stub 有什么区别?

python unittest 之mock

utittest和pytest中mock的使用详细介绍

swift 2中单元测试的存根方法

扩展特征的单元测试类 - 我如何在特征中模拟和存根方法?

在 Django 单元测试中使用 mock 修补 celery 任务