Python mock技术：patch与属性模拟

理解mock与patch的替换机制

在Python单元测试中，unittest.mock模块提供了强大的隔离能力。Mock类本身是一个可灵活配置行为的占位对象，能自动记录调用历史并拦截任意属性访问；而patch则是临时替换目标对象的上下文管理器或装饰器。理解两者的核心区别在于：Mock负责扮演，patch负责替换。使用patch时必须遵循替换被测试代码实际查找的对象这一铁律。例如，若业务模块A通过from B import func导入了外部函数，测试A时应使用patch('A.func')而非patch('B.func')。因为Python在运行时会先在A的命名空间中查找func，直接替换B模块的原始定义无法影响已绑定到A的引用。建立这种基于查找路径的模拟思维，是避免测试失效与依赖泄漏的第一步。

使用patch模拟函数、类与返回值

patch支持装饰器与上下文管理器两种形态，可无缝嵌入测试用例。通过@patch('模块.函数')或with patch('模块.函数') as mock_func:，可在测试期间精准拦截外部依赖。控制返回值最常用return_value属性，例如设置mock_func.return_value = 42可使所有调用直接返回该值。若需模拟异常或序列行为，应使用side_effect：将其赋值为异常类可在调用时抛出指定错误，赋值为可迭代对象则按顺序返回元素。模拟类时，patch会替换类本身，其return_value即为实例化后的Mock对象。例如@patch('db.Session')后，通过mock_session.return_value.query.all.return_value = []可精准控制ORM查询结果，从而在无真实数据库环境下验证业务逻辑分支。

模拟对象属性与配置行为

当依赖对象包含只读属性、property装饰器方法或需动态配置实例状态时，直接对Mock对象赋值可能触发AttributeError或行为异常。此时应使用patch.object或PropertyMock。patch.object(target, 'attr_name', new=mock_obj)可直接替换目标对象的特定属性，适用于实例成员或模块级变量。对于property，需结合PropertyMock：先创建mock_prop = PropertyMock(return_value='test')，再通过patch.object(cls, 'prop_name', mock_prop)挂载。需注意，PropertyMock仅拦截属性访问，不改变底层数据结构，且必须配合patch.object使用。此外，对于C扩展模块或内置类型的只读属性，纯Python层面的patch可能失效，此时需考虑重构代码引入依赖注入，或改用更底层的拦截方案。

验证调用并排查patch常见陷阱

模拟完成后，必须通过断言验证交互是否符合预期。mock_obj.assert_called_once_with(arg1, arg2)可精确校验调用次数与参数；assert_called()、assert_any_call()等则适用于宽松验证。排查patch陷阱时，首要检查路径是否正确：若测试报AttributeError，通常是因为路径指向了定义处而非使用处。其次，装饰器顺序遵循自下而上原则，最靠近函数的patch会最先注入参数，顺序颠倒会导致Mock对象错位。最后，避免在模块加载期过早patch，应确保替换发生在测试用例执行的生命周期内。若断言失败，可打印mock_obj.call_args_list与mock_obj.mock_calls，对比实际调用轨迹与预期差异，快速定位逻辑漏洞或参数传递错误。