Python单元测试进阶项目教程_mock与覆盖率分析实践

用mock隔离外部依赖并结合pytest-cov覆盖率分析，可提升测试可靠性与完整性：mock控制输入边界验证逻辑分支，coverage识别未覆盖路径，二者协同确保测试既稳定又全面。

用mock隔离外部依赖，让测试更可靠

真实项目中，函数常依赖数据库、网络请求或第三方API。直接调用这些外部服务会让测试变慢、不稳定，还可能因环境问题失败。mock的作用就是“假装”这些依赖存在，并控制它们的返回值和行为，从而聚焦验证自己代码的逻辑。

常用方式有三种：

• @patch装饰器：适合替换模块级对象，比如模拟requests.get返回固定JSON
• Mock类实例：手动创建mock对象，设置return_value或side_effect（如抛异常）
• patch.object：精准替换某个类的特定方法，避免影响其他属性

注意要点：mock对象默认返回另一个mock，记得显式设return_value；检查是否被调用要用assert_called_once()或assert_called_with()，别只看返回值。

用pytest-cov生成覆盖率报告，看清测试盲区

高通过率不等于高质量测试。覆盖率工具能告诉你哪些代码行、分支、函数没被测到。pytest-cov是目前最主流的集成方案，安装后加几个参数就能跑出直观报告。

基础用法：

• 运行命令：pytest --cov=my_module --cov-report=html，会在htmlcov/生成可点击的网页报告
• 加--cov-fail-under=90可设定阈值，低于90%自动失败，适合CI流程
• 用.coveragerc配置文件排除测试文件、__init__.py等无关路径，避免拉低整体数值

重点关注“未执行”的红色行和“未覆盖分支”的黄色标记——它们往往是条件判断里的隐藏路径，比如if user.is_active and user.has_permission:，需要分别构造is_active=False、has_permission=False、两者都False的用例。

把mock和coverage结合起来设计有效测试用例

单独用mock容易陷入“只要能过就不管逻辑对不对”的陷阱；只看覆盖率又可能堆砌无意义的调用。二者结合的关键是：用mock控制输入边界，再用覆盖率验证是否触达所有分支。

一个典型例子是用户登录函数：

• mock数据库查询，返回None（用户不存在）、返回用户但密码错误、返回正确用户
• mock密码校验函数，让它有时抛ValueError，验证异常处理路径
• 跑完看覆盖率报告，确认if not user:、if not check_password():、else:三段都被执行

这样既保证测试稳定快速，又确保逻辑分支真正被验证。

常见坑与实用建议

初学者常踩的几个点：

• mock了A模块却在B模块里调用——要patch“被导入的位置”，不是“定义的位置”
• 忘记stop或reset mock，导致前后测试互相干扰；推荐用with patch(...)上下文管理器自动清理
• 覆盖率100%但仍有bug？可能是mock太“理想”，没模拟真实异常场景（如网络超时、数据库连接中断）
• 测试命名别叫test_something，用test_login_returns_401_when_user_not_found这类描述性名字，方便定位意图

覆盖率不是目标，而是帮你看清哪块逻辑还没被验证的镜子。mock也不是为了绕过问题，而是为了把问题限定在可控范围内逐个击破。