您的函数调用天气 API。您的测试不应依赖于互联网、API 密钥或明天的天气。 Python 的内置 unittest.mock 允许您用一个准确返回您选择的内容的替代调用来替换该调用。

我们编写了一个小型 weather 模块和九个测试，全部使用 Python 3.13 的单元测试运行。所有九个都通过了，下面的打印输出来自该运行。

为什么要嘲笑？

• 速度：无需网络调用或数据库设置。
• 可靠性： 测试不会因为第三方服务关闭而失败。
• 控制：您可以按需模拟超时、错误和奇怪数据。
• 隔离：你测试的是你的逻辑，而不是别人的服务器。

模拟主要属于单元测试。集成测试仍然应该与真实的或现实的依赖关系进行对话。

模拟基础知识

from unittest.mock import Mock

api = Mock()
api.get_price.return_value = 499

print(api.get_price("pen"))                # 499
api.get_price.assert_called_once_with("pen")
print(api.get_price.call_args_list)        # [call('pen')]
print(api.anything_at_all())               # <Mock name='mock.anything_at_all()' ...>

A Mock 记录每个呼叫，以便您可以检查它是如何使用的。不过请注意最后一行。一个普通的 Mock 可以发明您需要的任何属性。正如我们将看到的，这种灵活性很方便，但也很危险。

MagicMock 是相同的想法，但也支持像 __len__ 和 __iter__ 这样的“神奇”方法。 patch()默认使用MagicMock。

side_effect：错误和序列

side_effect 控制每次调用时发生的情况。将其设置为异常以模拟失败：

api.fetch.side_effect = ConnectionError("down")
api.fetch()   # raises ConnectionError

将其设置为列表以在连续调用时返回不同的结果。这非常适合测试重试逻辑：

def fetch_with_retry(api, attempts=3):
    for _ in range(attempts):
        try:
            return api.fetch()
        except ConnectionError:
            continue
    raise ConnectionError("all attempts failed")

api = Mock()
api.fetch.side_effect = [ConnectionError("busy"), {"ok": True}]
print(fetch_with_retry(api))    # {'ok': True}
print(api.fetch.call_count)     # 2

第一次调用失败，第二次成功，测试证明该函数恰好重试了一次。针对真实服务进行模拟几乎是不可能的。

patch()：临时替换一些东西

通常，依赖项不会传入。它是在模块内部导入的。 patch() 在测试期间将其交换并在测试后恢复：

# weather.py
from http_client import get as requests_get

def report(city):
    data = requests_get(f"https://api.example.com/weather?city={city}")
    return f"{city}: {data['temp_c']}°C"

from unittest.mock import patch

with patch("weather.requests_get") as fake_get:
    fake_get.return_value = {"temp_c": 31}
    print(weather.report("Pune"))   # Pune: 31°C
    fake_get.assert_called_once_with(
        "https://api.example.com/weather?city=Pune")

您可以使用 patch 作为这样的上下文管理器，或者作为装饰器，它将模拟作为参数传递。

在使用的地方打补丁，而不是在定义的地方打补丁

这是几乎每个人都会犯的错误。真正的 get 函数位于 http_client 中，因此在那里修补它感觉很自然：

with patch("http_client.get") as fake_get:
    fake_get.return_value = {"temp_c": 99}
    weather.report("Pune")

# ConnectionError: no network in tests: https://api.example.com/weather?city=Pune

真正的函数运行了。当weather.py执行from http_client import get as requests_get时，它创建了自己的名称来指向原始函数。修补 http_client.get 更改了不同的名称，因此 weather 从未见过模拟。我们的http_client.get故意加注，所以错误很大。在真实的项目中，它可能会悄悄地调用实时 API。

spec 和 autospec：使模拟严格

普通的 Mock 接受任何内容，包括拼写错误。通过规范，它只允许真实类具有的属性：

api = Mock(spec=weather.WeatherClient)
api.get_temprature("Pune")
# AttributeError: Mock object has no attribute 'get_temprature'

loose = Mock()
loose.get_temprature("Pune")    # returns a Mock, no error at all

松散的模拟很高兴地接受了拼写错误的方法，因此使用它的测试可以通过，即使真实的代码会崩溃。 autospec 进一步检查方法签名：

with patch("weather.WeatherClient", autospec=True) as Fake:
    client = Fake.return_value
    client.get_temperature("Pune", "extra", "args")
# TypeError: too many positional arguments

在模拟您自己的类时，首选 autospec=True 或 create_autospec()。当真实代码发生变化时，它可以使模拟保持诚实。

模拟日期和时间

取决于今天日期的代码很难测试。将时钟包装在一个小函数中并修补：

def today():
    return datetime.date.today()

def is_weekend():
    return today().weekday() >= 5

@patch("weather.today")
def test_date(self, fake_today):
    fake_today.return_value = datetime.date(2026, 11, 7)
    print(weather.is_weekend())   # True (a Saturday)

您无法轻松地直接修补 datetime.date.today，因为内置类型不允许设置其属性。 freezegun 和 time-machine 等库可以更全面地处理这个问题。

关于模拟的断言

当断言失败时，消息是明确的。我们在一个从未运行过的方法上调用了 assert_called_once()：

AssertionError: Expected 'save' to have been called once. Called 0 times.

较旧的 Python 版本会让拼写错误的断言方法（例如 assret_called_once）默默地通过。现代版本会针对以 assert 开头的名称或其常见拼写错误引发错误，但规范仍然是更强大的保护措施。

pytest 和模拟

上面的所有内容也适用于 pytest。许多 pytest 用户还使用内置的 monkeypatch 固定装置进行简单替换，或使用 pytest-mock 插件，该插件提供了自动撤消补丁的 mocker 固定装置。 “使用补丁的地方”规则适用于所有这些。有关固定装置和设置，请参阅我们的 pytest 教程。

什么时候不应该嘲笑

• 不要模拟您正在测试的内容。如果模拟完成了所有工作，则测试无法证明任何内容。
• 避免模拟简单的值对象。使用真实的东西。
• 不要模拟一切。每当重构代码时，充满模拟的测试经常会中断，即使行为是正确的。
• 进行一些真正的集成测试。 模拟对您对服务的假设进行编码，而这些假设可能是错误的。

模拟还可以轻松地扩大代码覆盖率，因为模拟路径运行时背后没有任何实际行为。

常见的嘲笑错误

• 修补错误的名称。 如上所述，仍然是“我的模拟被忽略”的首要原因。
• 忘记设置return_value。然后，被测试的代码接收到一个Mock对象而不是数据。它可能会直接通过您的函数并意外地使测试通过，例如当您仅检查结果是否真实时。
• 对模拟而不是结果进行断言。 检查 save() 是否被调用比检查保存的内容弱。将 assert_called_once_with(...) 与实参一起使用，或者更好的是，对函数的结果进行断言。
• 泄漏补丁。 调用 patcher.start() 而不使用 stop() 会留下假的以供以后测试。使用上下文管理器、装饰器或addCleanup(patcher.stop)。
• 堆叠装饰器的顺序错误。 对于多个 @patch 装饰器，底部的装饰器将作为第一个参数传递。默默地混合它们会配置错误的模拟。
• 在许多测试中模拟不属于您的库。将其包装在您自己的一个小类中并嘲笑它。然后，您的测试将描述您的需求，而不是库的 API。

模拟、存根和赝品

这些词经常被宽松地使用，但是在讨论测试时这些差异很有帮助。 stub 仅返回预设答案。 mock 还会记录调用，以便您可以验证它的使用方式。 fake 是一种有效的、简化的实现，例如内存存储库而不是数据库。 Python 的 Mock 可以充当存根或模拟。假货是您自己编写的普通类，它们通常会导致能够更好地进行重构的测试，因为它们检查行为而不是确切的调用。

一个好的经验法则是模拟系统的边缘：网络、时钟、随机数、文件系统和付费第三方服务。在这些边缘内，更喜欢真实的物体。以这种方式构建的测试保持快速，并且它们仍然执行您实际编写的代码。

最后的话

模拟是一种精确的工具：替换缓慢或不可预测的依赖项，控制它们返回的内容，并检查代码如何使用它们。有两个习惯可以预防大多数问题。修补被测模块中的名称，并使用 autospec，以便您的模拟拒绝真实对象将拒绝的调用。

常见问题

继续学习