1.mock概念
mock又叫模拟，是Python中一个用于测试的库，它的主要功能是使用mock对象替代掉指定的Python对象，以达到模拟对象的行为；
从Python 3.3开始，mock模块已经被合并到标准库中，被命名为unittest.mock，可以直接import进来使用。Mock对象就是mock模块中的一个类的实例，这个类的实例可以用来替换其他的Python对象，来达到模拟的效果；
2.Mock和MagicMock
Mock是一个灵活的模拟对象，用于替换整个代码中存根和测试双精度的使用，模拟是可调用的，并在访问它们时创建属性作为新模拟；
MagicMock是一个Mock预先创建并准备使用的所有魔术方法的子类。MagicMock是懒加载的，在没调用magic方法的时候，是不存在这个方法的；
3.mock 使用
场景：当开发一个项目的时候，一个同事开发了数据清洗功能，另外一个同事需要拿到清洗后的数据，完成数据展示。那么这个时候，数据清洗和数据展示这两个功能就存在依赖性，必须是数据清洗完毕之后才能进行数据展示；
首先我们需要创建一个function1.py的模块，然后在这个模块中定义一个数据清洗方法和一个数据展示方法
# 数据清洗功能没有开发完毕
def data_parse():
pass
# 数据展示功能
def data_show():
# ret为待mock的数据
# return是字典模型
ret = data_parse()
try:
if ret.get('result') == "success":
return "data parse success"
elif ret.get('result') == "fail":
print("data parse failed: {}".format(ret.get('reason')))
return "data parse failed"
else:
return "Unknow Reason"
except:
return "Server Unknow Reason"
创建一个Test.py模块，在这模块里面创建一个TestData类，继承TestCase类，在这个类中模拟data_parse()函数的返回结果
from unittest import mock
from unittest import TestCase
import unittest
import function1
class TestData(TestCase):
def test_print1(self):
function1.data_parse = mock.MagicMock(return_value={"result": "success", "reason":"null"})
statues = function1.data_show()
print(statues)
self.assertEqual(statues, "data parse success")
def test_print2(self):
function1.data_parse = mock.MagicMock(return_value={"result": "fail", "reason": "Data Error"})
statues = function1.data_show()
self.assertEqual(statues, "data parse failed")
if __name__ == "__main__":
unittest.main()
先找到要替换的对象；
实例化mock类得到一个mock对象，并且设置这个对象的行为；
使用这个mock对象替换掉我们想替换的对象；
编写测试代码，进行断言；
