在Python的单元测试中，unittest.mock是用来替代真实依赖对象的利器。除了基本的替身功能，mock对象内置了一系列统计方法来记录自身被调用的历史，开发者可以直接通过这些属性和断言方法验证函数或方法是否按预期被触发。掌握它们能够避免手动埋点统计，让测试代码更简洁可靠。
基础调用次数统计
mock对象被调用后，会自动累计自身的调用情况。最直观的统计方式是读取call_count属性，它返回一个整数，表示该方法或函数被调用的总次数。这个值从0开始，每次像真实函数一样调用mock实例就会加一。比如我们用一个Mock来替代网络请求函数，测试里调用三次，call_count就是3。
除了直接读属性，unittest.mock还提供了语义化的断言方法。例如assert_called_once会在调用次数不为1时抛出AssertionError，而assert_called只要求至少调用过一次。这类方法本质上是对call_count的封装，但报错信息更明确，能直接显示实际调用次数，便于调试。下面是一段示例：
from unittest.mock import Mock
req = Mock()
req.send("a")
req.send("b")
# 统计总调用次数
print(req.call_count) # 输出 2
# 断言只调用一次，这里会报错
try:
req.assert_called_once()
except AssertionError as e:
print("断言失败:", e)
调用参数与调用栈统计
仅仅知道调用次数通常不够，我们还需要确认传入的参数是否正确。mock通过call_args保存最后一次调用的参数，通过call_args_list保存所有调用的参数列表。每一个元素都是一个call对象，可以用args和kwargs分别取出位置参数与关键字参数。在验证接口契约时，这种统计方式比肉眼比对日志高效得多。
另一个强大的属性是mock_calls，它不仅记录目标方法本身的调用，还记录所有子属性、子mock的访问与调用，形成一棵完整的调用树。当你mock了一个复杂对象，并链式调用了多个方法，mock_calls能还原出完整的操作序列。以下代码演示了如何统计并校验多次调用的参数：
from unittest.mock import Mock, call svc = Mock() svc.process(1) svc.process(2, mode="fast") # 查看所有调用参数 print(svc.call_args_list) # 输出: [call(1), call(2, mode='fast')] # 使用assert_has_calls做部分序列匹配 expected = [call(1), call(2, mode="fast")] svc.assert_has_calls(expected) # mock_calls包含属性访问等所有交互 print(svc.mock_calls)
方法级与对象级的统计差异
在使用Mock类时，若对某个方法赋值了Mock，那么该方法有自己的call_count，而父对象统计的是该方法属性的访问。因此，统计具体逻辑调用时应断言方法级mock，而不是外层容器。很多初学者误用外层mock的call_count，导致数值为0，其实是把方法访问当成了调用。
对于需要统计多个不同方法调用顺序的场景，可以结合assert_any_call与call_args_list自定义校验逻辑。例如验证某个方法在另一个方法之后才被调用，可以取出call_args_list的索引做判断。这种灵活性让mock的统计能力足以覆盖绝大多数集成测试中的行为验证需求，而不必引入额外追踪代码。
from unittest.mock import Mock, call
db = Mock()
db.connect()
db.insert("row1")
db.insert("row2")
# 验证任意一次调用参数
db.insert.assert_any_call("row1")
# 自定义顺序检查
calls = db.method_calls
print(calls) # [call.connect(), call.insert('row1'), call.insert('row2')]
assert calls[0] == call.connect()
assert calls[1] == call.insert("row1")
统计方法在测试中的实践建议
在编写测试时，建议优先使用mock自带的断言方法而非手动比较call_count，因为断言方法提供的错误信息包含期望与实际值，能大幅缩短排错时间。对于参数复杂的调用，使用call对象做全等比较，可以避免遗漏关键字参数。若测试逻辑允许调用乱序，assert_has_calls的any_order参数可放宽顺序限制。
需要注意的是，mock的统计状态在测试之间不会自动重置，若多个测试用例共用同一个mock实例，应在setUp或tearDown中调用reset_mock。该方法会清空call_count、call_args_list等所有统计字段，保证用例隔离。合理使用统计API，可以让单元测试既严谨又易于维护，真正发挥mock在行为验证上的价值。
from unittest.mock import Mock shared = Mock() shared.run(10) print(shared.call_count) # 1 shared.reset_mock() print(shared.call_count) # 0 print(shared.call_args_list) # []
pythonmockcall_statistics修改时间：2026-08-04 06:45:24