当前位置：首页 > news >正文

python单元测试 unittest.mock.patch (一)

news 2025/10/16 11:42:19

当然可以！我们完全脱离AI场景，用最基础的Python语法和unittest.mock模块知识，来讲解“模拟异常”的核心原理和过程。重点理解：如何通过代码“主动制造错误”，以及错误是如何被触发和处理的。

一、核心工具：`unittest.mock.patch` 是什么？

unittest.mock是Python标准库中用于**“模拟”**（替换）对象的工具，而patch是其中最常用的功能。它的本质是：
在一段代码执行期间，临时替换某个函数/方法/对象的行为，执行完后自动恢复原状。

类比：相当于给某个函数“贴个临时补丁”，让它在特定场景下按我们的要求工作，补丁用完就撕掉，不影响原函数。

二、模拟异常的核心：`side_effect` 参数

patch有个关键参数side_effect，专门用来定制被替换对象的“输出”或“行为”。当我们把side_effect设为一个异常对象时，就实现了“模拟异常”——被替换的函数被调用时，不会执行原逻辑，而是直接抛出这个异常。

最简单的例子：模拟一个函数抛出异常

假设我们有一个普通函数divide(a, b)，功能是计算a/b，但当b=0时会自然抛出ZeroDivisionError。现在我们想测试：当这个函数“被迫”抛出其他异常（比如TypeError）时，调用者是否能正确处理。

# 目标函数：正常的除法逻辑
def divide(a, b):return a / b# 测试场景：我们想让divide函数调用时，主动抛出TypeError（而不是自然报错）
from unittest.mock import patch# 1. 定义要模拟的异常（TypeError类型，错误信息为"模拟类型错误"）
mock_error = TypeError("模拟类型错误")# 2. 用patch替换divide函数，设置side_effect=mock_error
with patch("__main__.divide", side_effect=mock_error):# 3. 在这个代码块内，调用divide时会触发我们定义的异常try:result = divide(10, 2)  # 这里调用的已经是被替换后的divideexcept TypeError as e:print(f"捕获到异常：{e}")  # 会打印：捕获到异常：模拟类型错误# 4. 代码块结束后，divide恢复原状
print(divide(10, 2))  # 正常执行，输出5.0

过程拆解：异常是如何触发的？

替换阶段：with patch("__main__.divide", side_effect=mock_error): 这行代码会：
- 找到当前模块（__main__）中的divide函数；
- 用一个“模拟函数”临时替换它，这个模拟函数的行为被side_effect=mock_error定义。
调用阶段：当执行divide(10, 2)时：
- 实际调用的是“模拟函数”，而非原函数；
- 模拟函数一被调用，就会直接抛出mock_error（即TypeError("模拟类型错误")）。
捕获阶段：抛出的异常被try...except捕获，执行except块中的逻辑（打印错误信息）。
恢复阶段：with代码块执行结束后，“模拟函数”被移除，divide恢复成原来的除法逻辑（所以最后一行能正常计算10/2）。

三、关键细节：被替换对象的“路径”怎么写？

patch的第一个参数是被替换对象的“完整路径”，这是最容易出错的地方。路径的写法要遵循：“从调用者的视角能找到该对象的路径”。

比如上面的例子中，divide函数定义在当前模块（__main__），所以路径是"__main__.divide"。再举一个更清晰的例子：

# 假设我们有一个文件math_functions.py，内容如下：
def add(a, b):return a + b

现在在另一个文件test.py中测试，想替换add函数：

# test.py
from math_functions import add
from unittest.mock import patch# 正确的路径：从test.py的视角，add来自math_functions模块
with patch("math_functions.add", side_effect=ValueError("模拟值错误")):try:add(1, 2)except ValueError as e:print(f"捕获到：{e}")  # 输出：捕获到：模拟值错误

如果路径写错（比如写成"test.add"），patch会找不到对象，导致模拟失败。

四、为什么要“模拟异常”？测试中的核心用途

模拟异常的本质是**“主动制造可控的错误场景”**，用于验证代码的“错误处理逻辑是否可靠”。

比如我们写了一个带错误处理的函数safe_divide：

def safe_divide(a, b):try:return divide(a, b)except ZeroDivisionError:return "除数不能为0"except TypeError:return "参数必须是数字"except Exception:return "未知错误"

现在要测试：当divide抛出TypeError时，safe_divide是否会返回“参数必须是数字”。
如果不模拟异常，我们只能通过传入非数字参数（如divide(10, "a")）触发TypeError，但这种方式有局限性（比如有些异常很难自然触发）。

用模拟异常就很简单：

def test_safe_divide():# 模拟divide抛出TypeErrorwith patch("__main__.divide", side_effect=TypeError):result = safe_divide(10, 2)  # 这里divide被替换，会抛TypeErrorassert result == "参数必须是数字"  # 验证错误处理是否正确test_safe_divide()  # 测试通过，说明逻辑可靠