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

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。 order_by('-pub_date')[:5] 我们需要改进 get_queryset() 方法，让他它能通过将 Question 的 pub_data 属性与 timezone.now() 相比较来判断是否应该显示此 Question。首先我们需要一行 import 语句： 1. # polls/views.py 2. 3. from django.utils import timezone 于或等于（也就是早于或等于） timezone.now 的 Question 组成的集合。 现在你可以通过创建一个将来发布的投票问题，然后执行 runserver，再在浏览器中检查主页里的 列表来判断代码是否符合预期。你绝对不会愿意每次修改代码后都这么来一次的，所以让我们创建一 些自动化测试吧。 在 polls/tests.py 里加入一句 import 1. # polls/tests.py