python pytest-mock插件
pytest-mock 是一个非常有用的 pytest 插件,它允许你在测试中轻松地创建 mock 对象。通过这个插件,你可以模拟(mock)出函数、类、方法等的行为,这对于接口自动化测试特别有用,因为你可以模拟外部依赖或难以测试的部分。
使用场景
假设你正在编写一个接口自动化测试,该接口依赖于一个外部服务来获取数据。为了确保你的测试能够独立运行并且不受外部服务的影响,你可以使用 pytest-mock 来模拟这个外部服务的行为。
示例代码
假设有一个简单的 Python 应用程序,它通过调用 get_data_from_service() 函数从外部服务获取数据,并使用这些数据进行一些业务逻辑处理。我们想要测试这部分逻辑,但是不想真正调用外部服务。
-
# app.py
-
import requests
-
def get_data_from_service():
-
response = requests.get('https://example.com/api/data')
-
return response.json()
-
def process_data(data):
-
# 假设我们想确保 data['value'] 大于 10
-
if data['value'] > 10:
-
return True
-
return False
测试代码
接下来,我们将编写一个测试文件 test_app.py,在这个文件中使用 pytest-mock 来模拟 get_data_from_service 函数的行为。
-
# test_app.py
-
import pytest
-
from app import process_data
-
def test_process_data(mocker):
-
# 模拟 get_data_from_service 函数的返回值
-
mocker.patch('app.get_data_from_service', return_value={'value': 20})
-
# 测试 process_data 函数
-
assert process_data(get_data_from_service()) is True
注意事项
命名空间:
当你使用 mocker.patch 时,确保提供的路径正确。如果 get_data_from_service 在不同的模块中定义,则需要提供正确的完整路径。
作用域:
默认情况下,mocks 在整个测试函数的作用域内有效。如果你需要更细粒度的控制,可以考虑使用 mocker.patch.object 或者指定 mocker.patch 的作用域。
清理:
pytest-mock 自动清理所有的 mocks,因此你不必担心清理工作。
副作用:
如果你的函数有副作用(例如修改全局状态),确保这些副作用不会影响其他测试。
Mock 的属性:
mocker.Mock 和 mocker.NonCallableMock 可以用来创建具有特定属性和方法的 mock 对象。
输出示例
当你运行测试时,如果没有问题,输出会显示测试成功。以下是使用 pytest 命令运行上述测试的示例输出:
-
$ pytest test_app.py
-
============================= test session starts ==============================
-
platform linux -- Python 3.10.6, pytest-7.2.0, pluggy-1.0.0
-
rootdir: /path/to/project
-
collected 1 item
-
test_app.py . [100%]
-
============================== 1 passed in 0.01s ===============================
这里,“.”表示测试成功。如果有失败或者错误,你会看到更详细的输出。
高级示例
1. 模拟类和对象
场景: 当你需要模拟一个类的行为时,可以使用 mocker.Mock 或 mocker.NonCallableMock。
-
import pytest
-
from app import MyClass
-
class TestMyClass:
-
def test_method(self, mocker):
-
# 创建一个模拟的类实例
-
mock_instance = mocker.Mock()
-
mock_instance.method.return_value = "mocked_value"
-
# 替换 MyClass 的实例为模拟实例
-
mocker.patch('app.MyClass', return_value=mock_instance)
-
# 测试 MyClass 的方法
-
my_instance = MyClass()
-
result = my_instance.method()
-
assert result == "mocked_value"
2. 模拟模块和包
场景: 当你需要模拟一个模块或包中的多个函数时,可以使用 mocker.patch.dict。
-
import pytest
-
from app import module
-
class TestModule:
-
def test_module_functions(self, mocker):
-
# 创建一个模拟的字典
-
mocked_module = {
-
'func1': mocker.Mock(return_value="mocked_func1"),
-
'func2': mocker.Mock(return_value="mocked_func2")
-
}
-
# 替换整个模块
-
mocker.patch.dict('app.module.__dict__', mocked_module)
-
# 测试模块中的函数
-
assert module.func1() == "mocked_func1"
-
assert module.func2() == "mocked_func2"
3. 模拟外部库或第三方服务
场景: 当你需要模拟外部库或第三方服务的行为时,可以使用 mocker.patch。
-
import pytest
-
import requests
-
from app import get_data_from_service
-
class TestGetData:
-
def test_get_data(self, mocker):
-
# 模拟 requests.get
-
mocker.patch('requests.get', return_value=mocker.Mock(json=lambda: {"value": 20}))
-
# 测试 get_data_from_service
-
data = get_data_from_service()
-
assert data["value"] == 20
4. 模拟异步函数
场景: 当你需要模拟异步函数时,可以使用 mocker.AsyncMock。
-
import pytest
-
import asyncio
-
from app import async_get_data_from_service
-
class TestAsyncGetData:
-
async def test_async_get_data(self, mocker):
-
# 模拟异步函数
-
mock_response = mocker.AsyncMock()
-
mock_response.json.return_value = {"value": 20}
-
# 替换 async_get_data_from_service 中的请求
-
mocker.patch('app.async_get_data_from_service', new=mock_response)
-
# 测试异步函数
-
data = await async_get_data_from_service()
-
assert data["value"] == 20
5. 模拟异常抛出
场景: 当你需要模拟函数抛出异常时,可以使用 side_effect。
-
import pytest
-
from app import get_data_from_service
-
class TestGetData:
-
def test_get_data_exception(self, mocker):
-
# 模拟 requests.get 抛出异常
-
mocker.patch('requests.get', side_effect=requests.exceptions.RequestException)
-
# 测试 get_data_from_service
-
with pytest.raises(requests.exceptions.RequestException):
-
get_data_from_service()
6. 模拟多个返回值
场景: 当你需要模拟函数返回不同的值时,可以使用 side_effect 传递一个列表或生成器。
-
import pytest
-
from app import get_data_from_service
-
class TestGetData:
-
def test_get_data_multiple_values(self, mocker):
-
# 模拟 requests.get 返回不同的值
-
mocker.patch('requests.get', side_effect=[{"value": 20}, {"value": 30}])
-
# 测试 get_data_from_service
-
data1 = get_data_from_service()
-
data2 = get_data_from_service()
-
assert data1["value"] == 20
-
assert data2["value"] == 30
7. 模拟属性
场景: 当你需要模拟对象的属性时,可以使用 mocker.PropertyMock。
-
import pytest
-
from app import MyClass
-
class TestMyClass:
-
def test_property(self, mocker):
-
# 创建模拟的属性
-
mock_property = mocker.PropertyMock(return_value="mocked_value")
-
# 替换 MyClass 的属性
-
mocker.patch('app.MyClass.property', new_callable=mock_property)
-
# 测试 MyClass 的属性
-
my_instance = MyClass()
-
assert my_instance.property == "mocked_value"
8. 模拟外部服务的认证机制
场景: 当你需要模拟外部服务的认证机制时,可以使用 mocker.patch 来模拟认证函数。
-
import pytest
-
from app import authenticate_and_get_data
-
class TestAuthentication:
-
def test_authenticate_and_get_data(self, mocker):
-
# 模拟 authenticate 函数
-
mocker.patch('app.authenticate', return_value=True)
-
# 测试 authenticate_and_get_data
-
data = authenticate_and_get_data()
-
assert data["value"] == 20
注意事项
作用域:
确保你的模拟是在适当的测试作用域内进行的,避免影响其他测试。
清理:
pytest-mock 会在每次测试后自动清理模拟的对象,但如果手动创建了模拟对象,确保正确地使用 mocker.resetall() 或 mocker.restore()。
副作用:
当模拟函数时,确保没有副作用会影响到其他测试或实际的应用逻辑。
文档和调试:
使用模拟时,确保你的代码中有足够的注释,以便其他人能够理解为什么需要模拟某部分逻辑。
感谢每一个认真阅读我文章的人!!!
作为一位过来人也是希望大家少走一些弯路,如果你不想再体验一次学习时找不到资料,没人解答问题,坚持几天便放弃的感受的话,在这里我给大家分享一些自动化测试的学习资源,希望能给你前进的路上带来帮助。
软件测试面试文档
我们学习必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有字节大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
视频文档获取方式:
这份文档和视频资料,对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!以上均可以分享,点下方小卡片即可自行领取。