Python单元测试编写指南解决测试覆盖率与模拟对象使用问题

安装它们：

pip install pytest pytest-cov

假设我们有一个简单的项目结构：

my_project/
├── src/
│   └── calculator.py
└── tests/
    └── test_calculator.py

计算器模块 calculator.py 内容如下：

# src/calculator.py
def add(a, b):
    return a + b

def subtract(a, b):
    return a - b

def complex_operation(x, y):
    # 一个稍微复杂，可能调用其他函数的操作
    if y == 0:
        raise ValueError("除数不能为零")
    result = add(x, y) / y
    return result

运行测试并生成覆盖率报告：

# 在项目根目录运行
pytest --cov=src --cov-report=term-missing --cov-report=html tests/

这个命令会：1) 运行tests/下的所有测试；2) 计算src/目录的覆盖率；3) 在终端显示缺失覆盖的行；4) 生成一个详细的HTML报告（保存在htmlcov/目录）。打开htmlcov/index.html，你能交互式地查看哪行代码被覆盖了。

踩坑提示：不要盲目追求100%覆盖率！关键路径、核心逻辑必须覆盖，但像简单的属性访问器（getter/setter）或某些异常捕获块，如果成本过高，可以适当权衡。覆盖率是工具，不是目标。

二、 征服外部依赖：Mock对象的正确打开方式

测试中最棘手的部分就是处理外部依赖——数据库查询、API调用、文件读写、时间日期等。如果测试需要连接真实的数据库或网络，它会变得缓慢、脆弱且不可重复。这时，unittest.mock 模块就是你的救星。

假设我们有一个用户服务模块，它依赖一个数据库查询函数：

# src/user_service.py
import external_database_module  # 一个想象的外部模块

def get_user_name(user_id):
    """根据用户ID获取用户名，依赖外部数据库查询"""
    # 这是一个昂贵的、有副作用的调用
    user_data = external_database_module.query_db(f"SELECT name FROM users WHERE id={user_id}")
    if user_data:
        return user_data[0]['name']
    return None

如何在不真正连接数据库的情况下测试 get_user_name 函数？答案是使用 patch。

# tests/test_user_service.py
import pytest
from unittest.mock import patch, MagicMock
from src.user_service import get_user_name

def test_get_user_name_found():
    # 使用 patch 模拟 `external_database_module.query_db` 方法
    # 将其替换为一个 Mock 对象
    with patch('src.user_service.external_database_module.query_db') as mock_query:
        # 配置 Mock 对象的行为：当被调用时，返回我们预设的数据
        mock_query.return_value = [{'name': 'Alice'}]

        # 调用被测函数。函数内部实际调用的是我们的 mock_query
        result = get_user_name(123)

        # 断言函数返回结果符合预期
        assert result == 'Alice'
        # 断言 Mock 对象是否以预期的参数被调用
        mock_query.assert_called_once_with("SELECT name FROM users WHERE id=123")

def test_get_user_name_not_found():
    with patch('src.user_service.external_database_module.query_db') as mock_query:
        # 模拟查询不到数据的情况
        mock_query.return_value = None

        result = get_user_name(999)

        assert result is None
        mock_query.assert_called_once_with("SELECT name FROM users WHERE id=999")

实战经验：注意 patch 的目标字符串是 'src.user_service.external_database_module.query_db'，这是因为我们要在user_service模块内部替换掉它导入的query_db。这是Mock的关键，也是新手最容易出错的地方——你必须模拟对象被使用的地方，而不是定义的地方。

三、 进阶技巧：Mock属性、副作用与Fixture

Mock对象的能力远不止返回一个固定值。

1. 模拟属性和方法链式调用：

# 模拟一个复杂对象，比如一个返回自身方法的API客户端
mock_client = MagicMock()
mock_client.get_user.return_value.id = 123
mock_client.get_user.return_value.name = 'Bob'
# 现在 mock_client.get_user().id 会返回 123

2. 使用 side_effect 实现复杂行为：它可以是一个异常、一个可迭代对象（每次调用返回下一个值），或一个函数。

from unittest.mock import Mock

# 模拟连续调用返回不同值
mock_roll = Mock(side_effect=[3, 5, 1])
assert mock_roll() == 3
assert mock_roll() == 5
assert mock_roll() == 1

# 模拟抛出异常
mock_fail = Mock(side_effect=ConnectionError("网络断开"))
try:
    mock_fail()
except ConnectionError as e:
    print(f"捕获到预期异常：{e}")

# 根据输入动态返回
def dynamic_side_effect(arg):
    return arg * 2

mock_dynamic = Mock(side_effect=dynamic_side_effect)
assert mock_dynamic(5) == 10

3. 与pytest fixture结合，提升测试代码复用性：

# conftest.py 或测试文件内
import pytest
from unittest.mock import Mock

@pytest.fixture
def mock_db():
    """提供一个预配置好的模拟数据库查询器"""
    with patch('src.user_service.external_database_module.query_db') as mock:
        # 这里可以做一些通用的默认配置
        yield mock

def test_with_fixture(mock_db):
    # 在测试函数中直接使用 fixture
    mock_db.return_value = [{'name': 'Charlie'}]
    result = get_user_name(1)
    assert result == 'Charlie'

四、 策略总结：构建稳固的测试金字塔

最后，我想分享一个宏观视角。单元测试（我们正在讨论的）应该是你测试金字塔的坚实底座。它数量最多、运行最快、只关注单个单元的内部逻辑。通过Mock隔离外部依赖，是保持其“单元”属性的关键。

记住这个工作流：
1. 识别依赖：看到函数调用了数据库、网络、文件、时间等，立刻想到Mock。
2. 设计测试用例：包括正常路径、边界情况、异常路径。对照覆盖率报告查漏补缺。
3. 实施Mock：使用patch在正确的位置替换依赖，用return_value或side_effect定义其行为。
4. 运行与断言：运行测试，断言被测函数的结果和Mock对象的调用情况。

起初，编写Mock测试会感觉有些抽象，但一旦掌握，你会获得一种“掌控感”——你的测试不再受外界波动影响，运行飞快，并且能精准地告诉你到底是哪一行业务逻辑出了问题。从今天起，尝试为你代码中最复杂、最核心的那个函数配上单元测试，并用Mock解决它的外部依赖，你会发现代码质量与你的开发信心都将大幅提升。祝你测试愉快！