Ser*_*rov 496 python monkeypatching terminology
我想了解什么是猴子补丁或猴子补丁？
这类似于方法/运算符重载或委托吗？
这些东西有什么共同之处吗？
Dan*_*man 480
不,它不像那些东西.它只是在运行时动态替换属性.
例如,考虑一个具有方法的类get_data.此方法执行外部查找(例如,在数据库或Web API上),并且类中的各种其他方法调用它.但是,在单元测试中,您不希望依赖外部数据源 - 因此您可以get_data使用返回某些固定数据的存根来动态替换该方法.
因为Python类是可变的,并且方法只是类的属性,所以你可以随意做到这一点 - 事实上,你甚至可以用完全相同的方式替换模块中的类和函数.
但是,正如评论者指出的那样,在monkeypatching时要小心:
除了你的测试逻辑之外还有其他任何东西get_data,它也会调用你的猴子补丁而不是原来的 - 这可能是好的还是坏的.请注意.
如果存在某个变量或属性get_data,在您替换它时也指向该函数,此别名将不会更改其含义并将继续指向原始get_data.(为什么？Python只是get_data将类中的名称重新绑定到其他一些函数对象;其他名称绑定根本不会受到影响.)
Pao*_*olo 348
MonkeyPatch是一段Python代码,它在运行时(通常在启动时)扩展或修改其他代码.
一个简单的例子如下:
from SomeOtherProduct.SomeModule import SomeClass
def speak(self):
return "ook ook eee eee eee!"
SomeClass.speak = speak
来源: Zope wiki上的MonkeyPatch页面.
Aar*_*all 113
什么是猴子补丁？
简单地说,猴子补丁正在程序运行时对模块或类进行更改.
在Pandas文档中有一个猴子修补的例子:
import pandas as pd
def just_foo_cols(self):
"""Get a list of column names containing the string 'foo'
"""
return [x for x in self.columns if 'foo' in x]
pd.DataFrame.just_foo_cols = just_foo_cols # monkey-patch the DataFrame class
df = pd.DataFrame([list(range(4))], columns=["A","foo","foozball","bar"])
df.just_foo_cols()
del pd.DataFrame.just_foo_cols # you can also remove the new method
为了解决这个问题,首先我们导入我们的模块:
import pandas as pd
接下来,我们创建一个方法定义,它在任何类定义的范围之外都是未绑定和空闲的(因为在函数和未绑定方法之间区别是没有意义的,Python 3取消了未绑定方法):
def just_foo_cols(self):
"""Get a list of column names containing the string 'foo'
"""
return [x for x in self.columns if 'foo' in x]
接下来,我们只是将该方法附加到我们想要使用它的类:
pd.DataFrame.just_foo_cols = just_foo_cols # monkey-patch the DataFrame class
然后我们可以在类的实例上使用该方法,并在完成后删除该方法:
df = pd.DataFrame([list(range(4))], columns=["A","foo","foozball","bar"])
df.just_foo_cols()
del pd.DataFrame.just_foo_cols # you can also remove the new method
如果你正在使用名称修改(前缀属性带有双下划线,这会改变名称,我不推荐),如果你这样做,你必须手动命名.由于我不建议使用名称修改,因此我不会在此处进行演示.
我们如何使用这些知识,例如,在测试中？
假设我们需要模拟对导致错误的外部数据源的数据检索调用,因为我们希望在这种情况下确保正确的行为.我们可以修补数据结构以确保这种行为.(所以使用Daniel Roseman建议的类似方法名称:)
import datasource
def get_data(self):
'''monkey patch datasource.Structure with this to simulate error'''
raise datasource.DataRetrievalError
datasource.Structure.get_data = get_data
当我们测试它依赖于此方法引发错误的行为时,如果正确实现,我们将在测试结果中获得该行为.
只是执行上述操作将改变Structure过程生命周期中的对象,因此您需要在单元测试中使用设置和拆卸以避免这样做,例如:
def setUp(self):
# retain a pointer to the actual real method:
self.real_get_data = datasource.Structure.get_data
# monkey patch it:
datasource.Structure.get_data = get_data
def tearDown(self):
# give the real method back to the Structure object:
datasource.Structure.get_data = self.real_get_data
(虽然上面是好的,它很可能是一个更好的主意,使用mock图书馆修补代码mock的patch装饰将误差小于做上述容易,这需要更多的代码,从而有更多机会引入错误我还没有查看代码,mock但我想它以类似的方式使用猴子修补.)
小智 17
第一:猴子修补是一个邪恶的黑客(在我看来).
它通常用于使用自定义实现替换模块或类级别的方法.
最常见的用例是在无法替换原始代码时为模块或类中的错误添加解决方法.在这种情况下,您通过猴子修补替换"错误"代码与您自己的模块/包中的实现.
Aar*_*our 13
猴子修补只能在动态语言中完成,其中python就是一个很好的例子.在运行时更改方法而不是更新对象定义是一个示例;类似地,在运行时添加属性(无论是方法还是变量)都被视为猴子修补.这些通常在使用没有源代码的模块时完成,因此无法轻易更改对象定义.
这被认为是错误的,因为它意味着对象的定义不能完全或准确地描述它的实际行为.
猴子修补程序是在运行时重新打开类中的现有类或方法，并更改其行为，应谨慎使用，或者仅在确实需要时使用它。
由于Python是一种动态编程语言，因此类是可变的，因此您可以重新打开它们并进行修改，甚至替换它们。
什么是猴子补丁？猴子修补是一种用于在运行时动态更新一段代码的行为的技术。
为什么要使用猴子补丁？它允许我们在运行时修改或扩展库、模块、类或方法的行为，而无需实际修改源代码
结论Monkey patching 是一项很酷的技术，现在我们已经学会了如何在 Python 中做到这一点。然而，正如我们所讨论的，它有其自身的缺点，应谨慎使用。