monkey patching是什么?

内容来源于 Stack Overflow,并遵循CC BY-SA 3.0许可协议进行翻译与使用

  • 回答 (7)
  • 关注 (0)
  • 查看 (119)

我想弄明白,什么是monkey patching还是patching monkey?

这是否类似于方法/操作符重载或委托?

这些东西有什么共同之处吗?

提问于
用户回答回答于

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该方法进行外部查找(例如,在数据库或WebAPI上),以及类中的其他各种方法调用它。但是,在单元测试中,你不希望依赖外部数据源-因此你可以动态地替换get_data method with a stub that returns some fixed data.

因为Python类是可变的,而且方法只是类的属性,所以你可以根据自己的喜好来做这件事--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。

用户回答回答于

monkey patching是在运行时重新打开类中的现有类或方法,并更改行为,这应该谨慎使用,或者只有在真正需要时才使用它。

因为Python是一种动态编程语言,所以类是可变的,因此你可以重新打开它们并修改甚至替换它们。

用户回答回答于

monkey patching只能用动态语言进行,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就是一个例子;类似地,在运行时添加属性(无论是方法还是变量)被认为是monkey patching。这些操作通常是在使用你没有源的模块时完成的,因此对象定义不能很容易地更改。

这被认为是不好的,因为它意味着一个对象的定义不能完全或准确地描述它的实际行为。

用户回答回答于

首先:monkey patching是一种邪恶的攻击(在我看来)。

它通常用于用自定义实现替换模块或类级别上的方法。

最常见的用法是在无法替换原始代码的情况下,为模块或类中的bug添加解决方案。在这种情况下,你可以通过monkey patching来替换“错误”代码,在你自己的模块/包中使用一个实现。

用户回答回答于

根据维基百科:

在Python中,monkey patching一词仅指在运行时对类或模块的动态修改,其动机是将现有的第三方代码作为解决方案修补到一个不符合你要求的bug或特性上。

用户回答回答于

monkey patching是什么?

简单地说,monkey patching是在程序运行时对模块或类进行更改。

Example in usage

在Pandas文档中有一个monkey patching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

为了分解这一点,我们首先导入我们的模块:

import pandas as pd

接下来,我们创建一个方法定义,它存在于任何类定义的范围之外,是不绑定的和自由的(因为函数和未绑定方法之间的区别相当没有意义,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,我们只需将该方法附加到我们要在其上使用的类:

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,并在完成之后删除该方法:

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

损坏警告

如果你使用的是name-mangling(在属性前面加上双下划线,这会更改名称,我不推荐),那么如果你这样做,就必须手动命名magle。因为我不推荐使用名字,所以我不会在这里演示。

测试实例

例如,我们如何在测试中使用这些知识?

假设我们需要模拟对外部数据源的数据检索调用,这会导致错误,因为我们希望在这种情况下确保正确的行为。我们可以修改数据结构以确保这种行为。(因此,使用丹尼尔罗斯曼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

当我们测试它的行为依赖于这个方法引发一个错误,如果正确实现,我们将在测试结果中得到这个行为。

只需执行上述操作,就会更改Structure对象,因此你需要在单元测试中使用设置和解压,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

(虽然上面的情况很好,但使用mock库来修补代码。mockpatch与以上操作相比,修饰器更容易出错,这将需要更多代码行,从而增加引入错误的代码。mock但我想它也是以类似的方式使用monkey patching的。)

用户回答回答于

MonkeyPatch是Python代码的一部分,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所示:

from SomeOtherProduct.SomeModule import SomeClass

def speak(self):
    return "ook ook eee eee eee!"

SomeClass.speak = speak

资料来源

MonkeyPatch

所属标签

可能回答问题的人

  • HKC

    红客学院 · 创始人 (已认证)

    26 粉丝7 提问5 回答
  • Dingda

    Dingda · 站长 (已认证)

    4 粉丝0 提问3 回答
  • 西风

    renzha.net · 站长 (已认证)

    9 粉丝1 提问3 回答
  • 螃蟹居

    1 粉丝0 提问2 回答

扫码关注云+社区

领取腾讯云代金券