Python中mock的核心是替换运行时依赖，专注验证自身逻辑；应对I/O、第三方服务、高成本对象及协调者类进行mock，正确使用patch与MagicMock并精准断言。

Python中用mock做面向对象测试，核心是“替换运行时依赖”，让测试不依赖真实外部对象（比如数据库、网络请求、文件系统），专注验证自身逻辑是否正确。关键不是“怎么写mock”，而是“该对谁mock、为什么mock、mock后如何断言”。

什么时候该用mock？

当你写的类或方法里调用了以下类型对象时，就该考虑mock：

• 涉及I/O操作的：如requests.get()、open()、sqlite3.connect()
• 依赖第三方服务的：如调用短信网关、微信API、Redis客户端
• 构造成本高或不稳定：如启动一个真实浏览器（Selenium）、初始化一个大型配置管理器
• 被测对象本身是“协调者”而非“执行者”：比如一个订单服务类，只负责调用库存服务、支付服务、通知服务——这时应mock这三个服务，验证它是否按预期顺序和参数调用了它们

mock的核心用法：patch与MagicMock

patch是最常用装饰器/上下文管理器，用于临时替换目标对象；Mock或MagicMock是模拟出来的替身，能记录调用、返回自定义值、抛出异常。

• 推荐用@patch('模块路径.类名.方法名')，注意路径必须是“被导入的地方”，不是定义的地方（常见坑）
• 用return_value控制返回值：mock_get.return_value.json.return_value = {"code": 0}
• 用side_effect模拟异常或动态返回：mock_open.side_effect = [IOError, MagicMock(read=lambda: "ok")]
• 检查是否被调用：mock_send.assert_called_once_with("hello", to="user@example.com")
• 检查调用次数和参数：mock_update.assert_called_with(status="paid", updated_at=ANY)（需导入from unittest.mock import ANY）

面向对象场景下的典型mock模式

假设你有一个PaymentProcessor类，依赖PaymentGateway和NotificationService：

• 不要mockPaymentGateway的类定义，而mock它在PaymentProcessor中被导入/实例化的位置（例如@patch('payments.processor.PaymentGateway')）
• 如果PaymentProcessor通过__init__接收依赖，优先用依赖注入+传入mock对象，比patch更清晰、更易测
• 对属性访问（如obj.config.timeout）做mock时，用PropertyMock：type(mock_obj).config = PropertyMock(return_value=Mock(timeout=5))
• 避免过度mock：比如PaymentGateway内部有复杂状态机，但你的测试只关心它是否调用了charge()，那就不用管它的内部实现，只mockcharge方法即可

容易踩的坑和建议

mock用错，测试就变成“测mock本身”，失去意义：

• 别mock被测类自己的方法（除非是私有辅助方法且逻辑复杂），那说明设计可能有问题——考虑拆分职责
• 不要在测试里写mock_obj.some_method.return_value = mock_obj制造循环引用，容易引发难以调试的行为
• patch作用域要匹配：函数内patch只在该函数生效；类级别@patch会影响整个测试类，注意隔离
• 真实项目中建议统一用pytest-mock插件，它提供mocker fixture，自动清理，写法更简洁：mocker.patch('xxx', return_value=...)

mock不是万能的，但它能让面向对象测试聚焦在“协作关系”和“行为契约”上。写得克制、替得准确、验得具体，测试才真正可靠。