3. Mock的返回值与副作用设置：return_value、side_effect用法、模拟异常抛出

3.1 原理：固定响应 vs. 动态行为

Mock 对象的核心能力在于 行为替代：当被测代码调用某个依赖方法时，开发者可以预先定义该方法的返回结果、执行逻辑甚至异常。这主要通过两个属性实现：

• return_value —— 固定返回值。无论调用多少次，始终返回同一个对象。适用于状态查询、配置读取等幂等场景。
• side_effect —— 动态副作用。优先级高于 return_value，可以是可迭代对象（按序返回）、可调用对象（根据入参计算返回）或异常（强制抛出）。适用于时序依赖、错误注入、状态机模拟。

执行流程可归纳为：

1. 判断 side_effect 是否不为 None。
2. 若不为 None，则执行 side_effect 逻辑；若为可迭代对象，弹出下一个元素；若为可调用对象，调用并返回结果；若为异常类/实例，直接抛出。
3. 若 side_effect 为 None，则返回 return_value；若 return_value 也未设置，则返回新的 Mock 对象（默认行为）。

3.2 核心实现流程

下表对比了两种机制在典型场景下的差异：

标准的实现流程可概括为以下步骤：

1. 确定模拟目标 —— 明确需要替换的依赖方法（如 requests.get、database.query）。
2. 选择机制 —— 若只需固定应答，使用 return_value；若需要动态或异常行为，使用 side_effect。
3. 注入 Mock —— 通过 patch 或直接赋值将 Mock 对象注入被测模块。
4. 验证结果 —— 执行被测函数，断言返回值和调用次数符合预期。

3.3 代码示例与 API 细节

以下示例基于 unittest.mock（Python 标准库），完整展示了四种核心用法：

3.3.1 固定返回值 —— return_value

from unittest.mock import Mock

# 构造一个返回固定字典的 Mock
def get_user_mock(user_id):
    mock = Mock()
    mock.get_name.return_value = "Alice"
    return mock

mock = get_user_mock(1)
result = mock.get_name()
assert result == "Alice"
print(result)  # Alice

3.3.2 序列返回值 —— side_effect as Iterable

# 模拟分页查询，每次调用返回不同的页
mock_db = Mock()
mock_db.fetch_page.side_effect = [
    ["item1", "item2"],
    ["item3", "item4"],
    []
]

page1 = mock_db.fetch_page()
assert page1 == ["item1", "item2"]

page2 = mock_db.fetch_page()
assert page2 == ["item3", "item4"]

page3 = mock_db.fetch_page()
assert page3 == []

# 第四次调用将抛出 StopIteration
try:
    mock_db.fetch_page()
except StopIteration:
    print("side_effect 序列已耗尽")

3.3.3 动态计算 —— side_effect as Callable

# 根据输入参数动态计算返回值
def calculate_mock(x, y):
    return x * y + 1

mock_calc = Mock()
mock_calc.compute.side_effect = calculate_mock

result = mock_calc.compute(3, 4)
assert result == 13

# 也可以使用 lambda 简化
mock_calc2 = Mock()
mock_calc2.transform.side_effect = lambda s: s.upper()
print(mock_calc2.transform("hello"))  # HELLO

3.3.4 模拟异常 —— side_effect as Exception

# 注入特定的异常，模拟外部服务不可用
mock_service = Mock()
mock_service.get_data.side_effect = ConnectionError("Service timeout")

def fetch_user_data():
    try:
        return mock_service.get_data()
    except ConnectionError as e:
        return f"Fallback due to {e}"

result = fetch_user_data()
assert result == "Fallback due to Service timeout"
print(result)  # Fallback due to Service timeout

3.4 调试与验证

在复杂测试场景中，需要通过 Mock 内置属性验证副作用是否正确触发：

• call_args —— 最近一次调用的参数。
• call_args_list —— 所有调用的参数列表。
• call_count —— 调用次数。
• method_calls —— 子 Mock 的调用记录。

mock = Mock()
mock.side_effect = [10, 20]

mock(1, a=2)
mock(3, b=4)

assert mock.call_count == 2
assert mock.call_args_list == [call(1, a=2), call(3, b=4)]
assert mock.call_args == call(3, b=4)  # 最近一次

若 side_effect 为可调用对象，可在其中添加日志记录：

def trace_side_effect(x):
    print(f"[TRACE] called with {x}")
    return x * 2

mock = Mock(side_effect=trace_side_effect)
result = mock(5)  # 控制台输出 [TRACE] called with 5
assert result == 10

3.5 常见错误与性能考量

性能优化：

• 优先使用 return_value 而非 side_effect 可调用对象，后者每次调用都带来额外函数调用开销。
• 若 side_effect 必须为可调用且被高频调用，考虑将其实现为 C 扩展或缓存计算结果。
• 使用 Mock(spec=SomeClass) 限制属性访问，避免误写造成额外性能损耗。

3.6 决策流程总结

下图展示了 Mock 在被调用时的完整决策树，帮助快速定位行为设置：