pytest: Monkeypatch 函数/类/环境变量

有时测试需要调用依赖于全局设置的功能，或者调用不容易测试的代码（如网络访问）。这个 monkeypatch fixture帮助您安全地设置/删除属性、字典项或环境变量，或修改 sys.path 用于导入。

这个 monkeypatch fixture为测试中的安全修补和模拟功能提供了以下帮助方法：

monkeypatch.setattr(obj, name, value, raising=True)
monkeypatch.delattr(obj, name, raising=True)
monkeypatch.setitem(mapping, name, value)
monkeypatch.delitem(obj, name, raising=True)
monkeypatch.setenv(name, value, prepend=False)
monkeypatch.delenv(name, raising=True)
monkeypatch.syspath_prepend(path)
monkeypatch.chdir(path)

所有修改将在请求的测试功能或固件完成后撤消。如果设置/删除操作的目标不存在，这个 raising 参数决定了是否抛出 KeyError 或 AttributeError错误。

考虑以下情况：

1. 为测试修改函数的行为或类的属性，例如有一个API调用或数据库连接，你将无法进行测试，但你知道预期的输出应该是什么。使用 monkeypatch.setattr() 使用所需的测试行为修补函数或属性，这可以包括你自己的功能，使用 monkeypatch.delattr() 删除测试的函数或属性。

2. 修改字典的值，例如，对于某些测试用例，你需要修改全局配置。使用 monkeypatch.setitem()为测试修改字典。 monkeypatch.delitem() 可用于删除项目。

3. 修改测试的环境变量，例如在缺少环境变量时测试程序行为，或将多个值设置为已知变量。 monkeypatch.setenv() 和 monkeypatch.delenv() 可用于这些修补。

4. 使用 monkeypatch.setenv("PATH", value, prepend=os.pathsep) 修改系统 $PATH 安全，以及 monkeypatch.chdir() 在测试期间更改当前工作目录的上下文。

5. 使用py:meth: monkeypatch.syspath_prepend 来修改sys.path，这将会调用pkg_resources.fixup_namespace_packages()` and `importlib.invalidate_caches()

简单示例：monkeypatching 函数

考虑使用用户目录的场景，在测试环境中，你不希望测试依赖于正在运行的用户。 monkeypatch 可用于修补依赖于用户的函数，以始终返回特定值。

在这个例子中， monkeypatch.setattr() 用于修补 Path.home 使已知的测试路径 Path("/abc") 总是在运行测试时使用。这将删除出于测试目的对正在运行的用户的任何依赖。 monkeypatch.setattr() 必须在调用将使用修补函数的函数之前调用。测试功能完成后， Path.home 修改将被撤消。

# contents of test_module.py with source code and the test
from pathlib import Path


def getssh():
    """Simple function to return expanded homedir ssh path."""
    return Path.home() / ".ssh"


def test_getssh(monkeypatch):
    # mocked return function to replace Path.home
    # always return '/abc'
    def mockreturn():
        return Path("/abc")

    # Application of the monkeypatch to replace Path.home
    # with the behavior of mockreturn defined above.
    monkeypatch.setattr(Path, "home", mockreturn)

    # Calling getssh() will use mockreturn in place of Path.home
    # for this test with the monkeypatch.
    x = getssh()
    assert x == Path("/abc/.ssh")

定义 mockreturn 函数：

def mockreturn():
    return Path("/abc")

• mockreturn 是一个模拟函数，用于替换 Path.home() 的行为，使其始终返回 Path("/abc")，即一个虚拟的路径 /abc。

使用 monkeypatch 替换 Path.home 方法：

monkeypatch.setattr(Path, "home", mockreturn)

• monkeypatch.setattr 用于在测试期间临时替换 Path.home 方法，使其行为变为 mockreturn。
• 这样，在 test_getssh 测试中，调用 Path.home() 就会返回 /abc，而不是实际的主目录路径。

调用 getssh 并断言结果：

x = getssh()
assert x == Path("/abc/.ssh")

• 调用 getssh() 时，由于 Path.home() 已被替换为 mockreturn，所以 getssh 会返回 Path("/abc") / ".ssh"，即 Path("/abc/.ssh")。
• assert 语句用于验证 getssh() 的返回值是否为 Path("/abc/.ssh")。如果返回值匹配，则测试通过；否则测试失败。

---

MonkeyPatching返回的对象：构建模拟类

monkeypatch.setattr() 可以与类一起使用，模拟从函数而不是值返回的对象。设想一个简单的函数获取一个API URL并返回JSON响应。我们需要模拟r ，返回的响应对象用于测试目的。 r 需要一个 .json() 返回字典的方法。这可以在我们的测试文件中通过定义一个类来表示 r .

# app.py
import requests


def get_json(url):
    """Takes a URL, and returns the JSON."""
    r = requests.get(url)
    return r.json()

# test_mock_response.py
import pytest
import requests
import app

# custom class to be the mock return value of requests.get()
class MockResponse:
    @staticmethod
    def json():
        return {"mock_key": "mock_response"}


# monkeypatched requests.get moved to a fixture
@pytest.fixture
def mock_response(monkeypatch):
    """Requests.get() mocked to return {'mock_key':'mock_response'}."""

    def mock_get(*args, **kwargs):
        return MockResponse()

    monkeypatch.setattr(requests, "get", mock_get)


# notice our test uses the custom fixture instead of monkeypatch directly
def test_get_json(mock_response):
    result = app.get_json("https://fakeurl")
    assert result["mock_key"] == "mock_response"

monkeypatch 将 mock_get 功能模拟应用于 requests.get ，这个 mock_get 函数返回 MockResponse 类，其中有一个 json() 方法定义为返回已知的测试字典，不需要任何外部API连接， 调用 app.get_json("https://fakeurl") 时，不会实际发送请求。

可以建立 MockResponse 为你正在测试的场景使用适当的复杂性来初始化。例如，它可以包括始终返回 True ok属性 或者基于输入字符串返回不同的值 json() 的模拟方法。

小结，使用 MockResponse 模拟返回对象：通过自定义 MockResponse 类模拟 HTTP 响应，以控制测试环境中的数据。monkeypatch 替换 requests.get：通过 monkeypatch 将 requests.get 替换为 mock_get，实现对外部依赖的隔离。

此外，如果模拟模型设计用于所有测试，则 fixture 可以移动到 conftest.py 归档并与一起使用 autouse=True 选择项。

---

全局补丁示例：防止远程操作的“请求”

如果要阻止“请求”库在所有测试中执行HTTP请求，可以执行以下操作：

# contents of conftest.py
import pytest

@pytest.fixture(autouse=True)
def no_requests(monkeypatch):
    """Remove requests.sessions.Session.request for all tests."""
    monkeypatch.delattr("requests.sessions.Session.request")

将为每个测试功能执行该autouse fixture，并将删除该方法 request.session.Session.request 。因此，测试中创建HTTP请求的任何尝试都将失败。

建议不要修补内置函数，例如 open ， compile 等等，因为它可能会破坏pytest的内部。如果那是不可避免的，传递参数 --tb=native ， --assert=plain 和 --capture=no 可能会有帮助，尽管没有保证。

修补 Python 内置函数（如 open、compile 等）或 Pytest 依赖的函数可能会导致 Pytest 及其功能（如断言和捕获输出）异常。因为 Pytest 本身依赖于这些函数，过度修补会干扰其正常运行。如果必须修补，可以尝试通过添加 --tb=native、--assert=plain 和 --capture=no 参数来减轻影响，不过这些参数并不总能保证避免问题。

注意修补 stdlib函数和 pytest 使用的函数和一些第三方库可能会破坏pytest本身，因此在这些情况下，建议使用 MonkeyPatch.context() 将修补限制到要测试的块，请执行以下操作：

import functools

def test_partial(monkeypatch):
    with monkeypatch.context() as m:
        m.setattr(functools, "partial", 3)
        assert functools.partial == 3

使用 monkeypatch.context() 可以将修补作用域限制在 with 语句内的代码块，确保修补仅在该代码块内有效，代码块结束后修补会自动撤销。

这是对标准库函数、Pytest 依赖的函数或第三方库函数进行修补的更安全方式，因为它最小化了修补的作用范围，降低了对 Pytest 或系统行为的干扰风险。

---

MonkeyPatching 环境变量

如果你正在使用环境变量，为了测试的目的你需要安全地更改这些值或从系统中删除它们， monkeypatch 提供了一种使用 setenv 和 delenv 机制，我们要测试的示例代码：

import os

def get_os_user_lower():
    """
    Returns lowercase USER or raises EnvironmentError."""
    username = os.getenv("USER")

    if username is None:
        raise EnvironmentError("USER environment is not set.")

    return username.lower()

有两条可能的路径。首先， USER 环境变量设置为值，其次， USER 环境变量不存在。使用 monkeypatch 两条路径都可以在不影响运行环境的情况下进行安全测试：

import pytest


def test_upper_to_lower(monkeypatch):
    """Set the USER env var to assert the behavior."""
    monkeypatch.setenv("USER", "TestingUser")
    assert get_os_user_lower() == "testinguser"


def test_raise_exception(monkeypatch):
    """Remove the USER env var and assert EnvironmentError is raised."""
    monkeypatch.delenv("USER", raising=False)

    with pytest.raises(EnvironmentError):
        _ = get_os_user_lower()

此行为可以移入 fixture 结构和跨测试共享：

# test_monkeypatching_env.py
import pytest


@pytest.fixture
def mock_env_user(monkeypatch):
    monkeypatch.setenv("USER", "TestingUser")


@pytest.fixture
def mock_env_missing(monkeypatch):
    monkeypatch.delenv("USER", raising=False)


# notice the tests reference the fixtures for mocks
def test_upper_to_lower(mock_env_user):
    assert get_os_user_lower() == "testinguser"


def test_raise_exception(mock_env_missing):
    with pytest.raises(EnvironmentError):
        _ = get_os_user_lower()

---

MonkeyPatching 字典

monkeypatch.setitem() 可用于在测试期间安全地将字典值设置为特定值，使用 monkeypatch.delitem() 删除值。

# app_dict.py
DEFAULT_CONFIG = {"user": "user1", "database": "db1"}

def create_connection_string(config=None):
    """Creates a connection string from input or defaults."""
    config = config or DEFAULT_CONFIG
    return f"User Id={config['user']}; Location={config['database']};"

# test_monkeypatchDict_fixture.py
import pytest
import app_dict

def test_connection(monkeypatch):

    # Patch the values of DEFAULT_CONFIG to specific
    # testing values only for this test.
    monkeypatch.setitem(app_dict.DEFAULT_CONFIG, "user", "test_user")
    monkeypatch.setitem(app_dict.DEFAULT_CONFIG, "database", "test_db")

    # expected result based on the mocks
    expected = "User Id=test_user; Location=test_db;"

    # the test uses the monkeypatched dictionary settings
    result = app_dict.create_connection_string()
    assert result == expected

def test_missing_user(monkeypatch):

    # patch the DEFAULT_CONFIG t be missing the 'user' key
    monkeypatch.delitem(app_dict.DEFAULT_CONFIG, "user", raising=False)

    # Key error expected because a config is not passed, and the
    # default is now missing the 'user' entry.
    with pytest.raises(KeyError):
        _ = app_dict.create_connection_string()