Mocker() as m: # 模拟请求超时处理 m.get('https://www.anjing.com',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('https://www.anjing.com',timeout=1) 23 《51 测试天地》七十四 com/api') 上述代码中，小编先导入了请求错误的内容，然后进行通过 requests-mock 来模拟这 两个请求，最后通过 requests 进行发送请求并通过 pytest.raises 进行判断是否存在异常操 作，如果存在操作，则说明我们代码没有问题。 总结 小编通过简单的两个案例列举了 requests-mock 的简单用法，并且简单介绍了 requests-mock 的库作用，不仅仅可以测试一些简单的 过维护保鲜后能够及时响应变化，以确保数据构造能够随时可用。在检查反馈数据结果 是否符合预期后，如不符合则进入维护保鲜环节及时进行处置，待处置成功后继续循环 构造流程。处置措施一般包括以下三方面： 1.若判断是场景发生变化，需重新评估； 2.若判断是场景中功能发生变化，需定位到具体功能，重新梳理更新场景； 3.其他问题：例如环境不可用等，需进一步排查解决。 四、实践成效 截至目前，已将该方法论应用到信贷领域的多个长链路业务场景，成效明显，极大

54. >>> r.article_set.all() 55. ]> 56. 57. # 这个 API 接受你所需的查询条件，并在后台高效地执行 JOIN 数据库操作。 58. # 这个操作会查找所有以 "John" 开头的记者发表的文章。 59. >>> Article.objects.filter(reporte 在同一时间在我们的网站上投票就会出现错误：同票数，比如说 42 张票。然后两个用 户计算和保存的票数都会是 43，而不是我们期待的 44。 这就是竞争条件（race condition），如果你感兴趣，可以阅读 使用 F() 来避免竞争条件，学一下如何解决这个问题。 detail()（在 第三部分（zh）中）和 results() 视图都很简单 —— 并且，像上面提到的那样， 存在冗余问题。用来显示一个议题列表的 完成的唯一工作，那你确实没必要学写测试。但是如 果你还想写更复杂的项目，现在就是学习测试写法的最好时机了。 在某种程度上，能够「判断出代码是否正常工作」的测试，就称得上是个令人满意的了。 在更加复杂的应用中，各种组件之间的交互可能会及其的复杂。改变其中某一组件的行为，也有可能 会造成意想不到的结果。判断「代码是否正常工作」意味着你需要用大量的数据来完整的测试全部代 码的功能，以确保你的小修改没有对应用整体造成破坏——这太费时间了。