一、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。
如果你想学习自动化测试，我这边给你推荐一套视频，这个视频可以说是B站播放全网第一的自动化测试教程，同时在线人数到达1000人，并且还有笔记可以领取及各路大神技术交流：798478386
https://www.bilibili.com/video/BV1B14y1D7X9/?spm_id_from=333.337.search-card.all.click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
二、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。
三、安装
安装必要的模块：requests, requests_mock。
python
pip install requests
pip install requests_mock四 、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：
python
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
python
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。
python
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')