本文介绍了如何使用 pytest 和 monkeypatch 来模拟一个可调用类，并能够在多个测试中复用和自定义其返回值。通过使用类工厂函数，可以动态创建具有不同返回值的模拟类，从而避免在每个测试中重复定义模拟类，提高测试代码的可维护性和可读性。
模拟可调用类
在编写单元测试时，经常需要模拟外部依赖项，以便隔离被测代码并控制其行为。当依赖项是一个可调用类时，模拟起来可能会比较棘手。pytest 的 monkeypatch 提供了强大的功能，可以替换类、函数、模块等，从而实现模拟。
假设我们有一个类 LLMChain，它是一个可调用类，并且在我们的代码中使用。为了测试依赖于 LLMChain 的代码，我们需要创建一个模拟的 LLMChain 类，并控制其 __call__ 方法的返回值。
使用类工厂函数
一种有效的方法是使用类工厂函数。类工厂函数是一个返回类的函数。我们可以使用它来动态创建具有不同返回值的模拟类。
def mock_llm_chain(retval):
"""
创建一个模拟 LLMChain 类的工厂函数。
Args:
retval: __call__ 方法的返回值。
Returns:
一个模拟 LLMChain 类。
"""
class MockLLMChain:
"""
模拟 LLMChain 类。
"""
def __init__(self, *args, **kwargs):
pass
def __call__(self, *args, **kwargs):
return retval
return MockLLMChain在这个例子中，mock_llm_chain 函数接受一个参数 retval，它将作为模拟类的 __call__ 方法的返回值。该函数返回一个名为 MockLLMChain 的类。
在测试中使用模拟类
现在我们可以在测试中使用这个模拟类了。
def test_yes_no_classifier(yes_no_classifier, monkeypatch):
"""
测试 yes_no_classifier。
"""
# 创建一个模拟 LLMChain 类，并设置其返回值为 {'text': 'default'}
ml = mock_llm_chain({'text':'default'})
# 使用 monkeypatch 替换 src.query_helpers.yes_no_classifier 中的 LLMChain 类
import src.query_helpers.yes_no_classifier
monkeypatch.setattr(
src.query_helpers.yes_no_classifier, "LLMChain", ml
)
# 调用被测代码
response = yes_no_classifier.classify(
conversation="1234", statement="The sky is blue."
)
# 断言结果
assert response == 9在这个测试中，我们首先使用 mock_llm_chain 函数创建了一个模拟的 LLMChain 类，并设置其返回值为 {'text': 'default'}。然后，我们使用 monkeypatch.setattr 将 src.query_helpers.yes_no_classifier 模块中的 LLMChain 类替换为我们的模拟类。最后，我们调用被测代码并断言结果。
注意事项
- 确保在测试完成后恢复被模拟的对象，以避免影响其他测试。monkeypatch 默认会在测试结束后自动恢复。
- 可以根据需要创建多个不同的模拟类，以覆盖不同的测试场景。
- 使用类工厂函数可以使测试代码更加简洁和易于维护。
总结
通过使用 pytest 和 monkeypatch，我们可以轻松地模拟可调用类，并控制其返回值。使用类工厂函数可以使模拟类的创建更加灵活和可复用，从而提高测试代码的质量和效率。这种方法特别适用于需要模拟复杂外部依赖项的场景。
