自动化测试Mock神器：轻松模拟HTTP请求..

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   

15天学会性能测试，通俗易懂详细教学，Jmeter性能测试实战（集群压测，全链路压测，性能调优，瓶颈分析）极速掌握，干就完事！_哔哩哔哩_bilibili15天学会性能测试，通俗易懂详细教学，Jmeter性能测试实战（集群压测，全链路压测，性能调优，瓶颈分析）极速掌握，干就完事！共计27条视频，包括：1.【性能测试】什么是性能测试以及性能测试的价值和目的、2.【性能测试】真实企业性能测试指标详解以及指标测算、3.【性能测试】真实企业中性能测试流程以及细节剖析等，UP主更多精彩视频，请关注UP账号。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：

1. 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。

2. 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。

3. 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。

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：

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')