在测试过程中，为了更好地展开单元测试，mock一些数据跟对象在所难免，下面讲一下python的mock的简单用法。
关于python mock，网上有很多资料，这里不会讲的特别深，但一定会是实用为主，看完后，至少可以让你知道mock是怎样用的。
1.mock对象方法中的返回数据：
我们经常会需要这样的场景，a系统跟b系统联调，b系统开发人员进度较慢，有些a需要调用b系统api的返回数据没办法拿到，这时候，不改变原来的代码，但联调需要保证a系统这边功能完全ok
的场景就可以用到mock这个模块了。
在这里，我们假设b系统完成时是以下这个样子
system_b.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import json
import requests
def send_request(url):
r = requests.get(url)
return json.loads(r.text)
def visit_ustack():
return send_request('http://api.kanzhihu.com/getposts')
if __name__ == '__main__':
content = visit_ustack()
print content我们通过调用visit_ustack()这个入口，可以得到http://api.kanzhihu.com/getposts这个接口返回的json数据。理想测试情况下，a系统这边的测试代码是这样的
system_a.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import system_b
def system_b_test():
if system_b.visit_ustack()['count'] == 10:
print "system b正常,测试通过"
else:
print "system b异常,测试失败"
system_b_test()结果显而易见是这样的
/System/Library/Frameworks/Python.framework/Versions/2.7/bin/python /Users/lsf/PycharmProjects/py_pattern/test.py system b正常,测试通过 Process finished with exit code 0
但现在糟糕的是，系统 b的主体函数send_request还没开发，我们没办法获取json格式的数据，当然，现实中可以通过很多其他的办法来解决，但为了最大程度仿真b系统，现在可以通过mock来完成这项工作。
现实中功能未完成的a系统
system_a.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def send_request(url):
pass
def visit_ustack():
return send_request('http://api.kanzhihu.com/getposts')
if __name__ == '__main__':
content = visit_ustack()
print contentsystem_b.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import mock
import system_b
def system_b_test():
mock_result = {u'count': 1000, u'publishtime': u'1470798000', u'date': u'2016-08-10', u'id': u'2375'}], u'error': u''}
system_b.send_request = mock.Mock(return_value=mock_result)
if system_b.visit_ustack()['count'] == 1000:
print "system b正常,测试通过"
else:
print "system b异常,测试失败"
system_b_test()结果是
/System/Library/Frameworks/Python.framework/Versions/2.7/bin/python /Applications/PyCharm.app/Contents/helpers/pycharm/utrunner.py /Users/lsf/PycharmProjects/py_pattern/test.py true Testing started at 15:24 ... system b正常,测试通过 Process finished with exit code 0 Empty test suite.
在这里，我们通过直接mock一个json数据，来达到b系统返回数据的目的，甚至我们调用的依然是b系统的接口，区别已用红色字体标出，这个就是mock的操作了。
（1）mock_result:准备需要的mock数据
（2）用mock.Mock(return_value=mock_result)将mock对象设置给系统b对应的返回方法中
值得注意的是，mock.Mock(return_value=mock_result)是一个对象，但为什么system_b.send_request = mock.Mock(return_value=mock_result)返回的是数据而不是对象的其他属性跟方法呢，在这里，是因为mock对象中有一个side_effect属性，如果这个属性为None,就会将return_value设置的值返回。
2.mock对象中的方法：mock.patch跟mock.patch.object
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import mock
class By(object):
def add(self, a, b):
return a + b + self.multiply(a,b)
def multiply(self, a, b):
pass
b = By()
class MockDemo(object):
def __init__(self):
self.b = b
@mock.patch.object(b,'multiply')
def test_add(self,mock_multiply):
a = 3
b = 5
mock_multiply.return_value = 15
if self.b.add(a,b) == 23:
print "mock成功"
else:
print "mock失败"
if __name__ == '__main__':
MockDemo().test_add()如果mock的是一个函数，则可以用@mock.patch(target='module.func')来实现。