1、背景

在日常测试过程中或者研发开发过程中，目前接口暂时没有开发完成，测试人员又要提前介入接口测试中，测试人员不仅仅只是简单的编写测试用例，也可以通过一些 mock 的方法进行来提前根据接口测试的情况进行模拟返回接口的信息，进行模拟接口各种场景的异常。

mock 是指模拟，也就是模拟接口返回的信息，用已有的信息替换它需要返回的信息，从实现对所依赖的模块的测试。

一般有两种场景：

• 前端对后端接口的 mock，
• 后端服务之间的测试中涉及的 mock，常常发生在单元测试的时候。

前端 mock 可以通过一些工具来完成：

• 使用抓包工具 Fiddler，Charles 来实现，通过修改代理返回的数据，实现多种场景的测试。
• 使用一些 API 管理工具来模拟，比如 yapi，Easy Mock 等
• 当然有编码能力的，也可以使用 node.js，python 的 fastAPI 来模拟

后端的 Mock 则是从接口的角度，如果一个接口 A 返回的数据需要依赖于另一个接口 B，当敏捷开发中 B 接口还未开发完全时候这里会需要用到 Mock。

对于测试人员，对接口测试的时候，部分接口尚未开发完成，在约定了接口定义之后，也可以使用 Mock 来模拟。

今天给大家介绍一款 Python Mock 工具：requests-mock

2、工具介绍

requests-mock 是一个用于模拟 HTTP 请求的 Python 库，它可以帮助开发人员在测试和开发过程中模拟各种 HTTP 请求和响应。使用 requests-mock，可以用来模拟接口的各种场景，就像真正的服务器一样。

特点：

• 灵活性：requests-mock 允许开发人员根据需要灵活地定义虚拟的 HTTP 响应，包括状态码、头部信息、响应体等。
• 易用性：requests-mock 的 API 设计简单易用，开发人员可以很容易地集成到他们的测试和开发工作流程中。
• 可扩展性：requests-mock 支持自定义的响应生成器和请求匹配器，可以满足各种复杂的测试需求。

适用场景：

• 单元测试：
  开发人员可以使用 requests-mock 模拟 HTTP 请求和响应，以便在单元测试中测试他们的代码。

• 集成测试：
  在进行集成测试时，requests-mock 可以帮助开发人员模拟外部服务的行为，以验证系统的整体功能。

• 开发过程中的快速原型验证：
  在开发过程中，开发人员可以使用 requests-mock 快速验证他们的代码对于不同的 HTTP 响应的处理情况。

通过 Mock 能够帮助我们模拟系统各种行为，包括网络请求、文件读写、数据库操作、系统时间等等。这能够在测试代码时降低对外部依赖的需求，从而提高代码的可测试性。

3、安装

安装必要的模块：requests, requests_mock。

pip install requests
pip install requests_mock

4、使用示例

示例一：使用 Mock 模拟 GET、Post 请求

以下是一个使用 requests-mock 模拟 GET 请求和 POST 请求的示例：

import requests
import requests_mock

# 模拟GET请求
with requests_mock.Mocker() as m:
    # 模拟post请求内容，返回的json格式，返回码为200
    m.get('http://example.com/api/data', json={"name":"测试开发技术"}, status_code=200)

    response = requests.get('http://example.com/api/data')
    print(response.json())  

# 模拟POST请求
with requests_mock.Mocker() as m:

      # 模拟post请求内容，返回的json格式，返回码为200
    m.post('http://example.com/api/submit',json={"name":"测试开发技术"}, status_code=201)

    response = requests.post('http://example.com/api/submit', data={'key': 'value'})
    print(response.json())  

在上面的示例中，我们使用 requests-mock 模拟了一个 GET 请求和一个 POST 请求。在每个模拟的上下文中，我们使用 requests_mock.Mocker() 创建了一个模拟器，并使用 m.get() 和 m.post() 分别定义了 GET 请求和 POST 请求的模拟响应。然后，我们使用 requests 库发送了实际的 GET 和 POST 请求，并打印了模拟的响应内容。

示例二：requests-mock 在测试脚本中的用法

import requests
import requests_mock

def get_data():
    response = requests.get('http://example.com/api')
    return response.json()

def test_get_data():
    adapter = requests_mock.Adapter()
    mock_response = {"status": "ok", "datas": [{"name": "狂师", "description": "公众号：测试开发技术"}]}
    adapter.register_uri('GET', 'http://example.com/api', json=mock_response)

    with requests.Session() as session:
        session.mount('http://', adapter)
        data = get_data()
        assert data["status"] == "ok"
        assert len(news_data["datas"]) == 1
        assert news_data["datas"][0]["name"] == "狂师"    

示例三：requests-mock 模拟请求错误异常

正常请求接口的时候，都会出现接口异常情况，比如超时哈，或者请求服务器异常等操作，接下来小编通过 requests-mock 进行模拟服务器异常的情况。

import requests
import requests_mock
from requests.exceptions import ConnectionError, Timeout

def test_exception():
    with requests_mock.Mocker() as m:
        # 模拟请求超时处理
        m.get('http://example.com/api',exc=Timeout)
        # 通过pytest.raises进行捕捉异常，如果存在异常，则判断为pass
        with pytest.raises(Timeout):
            requests.get('http://example.com/api',timeout=3)
            # 模拟服务器错误
            m.get('http://example.com/api', exc=ConnectionError)
           # 发送请求并断言是否抛出了预期的异常
        with pytest.raises(ConnectionError):
            requests.get('http://example.com/api')

更多内容可以学习《测试工程师 Python 工具开发实战》书籍、《大话性能测试 JMeter 实战》书籍