pytest中mock时间函数失效因补丁位置错误：须patch被测模块内导入的名称，如import time则patch'your_module.time.time'，from datetime import datetime则patch'your_module.datetime.now'；freezegun需配对start/stop或用上下文管理器；random.seed()需每测试显式调用并兼顾numpy等库。
pytest 中 mock time.time() 和 datetime.now() 为什么总失效
因为没打对补丁位置。Python 的时间函数被调用时，实际引用的是模块内导入的路径，不是你直觉里“写在哪就 patch 哪”的地方。
常见错误现象：patch('time.time') 没用，但测试里明明 import 了 time；或者 patch 了 datetime.datetime.now，结果被测代码里用的是 from datetime import datetime; datetime.now() —— 这时候得 patch 所在模块里的 datetime 名字，不是 datetime.datetime。
- 查被测代码第一行 import：如果写的是
import time，patch 目标是your_module.time.time - 如果写的是
from datetime import datetime，patch 目标是your_module.datetime.now（注意不是datetime.datetime.now） - 用
@patch时，优先用装饰器作用于测试函数，比在setUp里手动 start/stop 更可靠 - 示例：
@patch('myapp.utils.datetime') def test_something(self, mock_dt): mock_dt.now.return_value = datetime(2023, 1, 1, 12, 0) # ……
用 freezegun 控制时间但测试跑完时间没恢复
freezegun 默认在测试函数退出后自动解冻，但一旦用了 freeze_time().start() 手动控制，就必须配对调用 .stop()，否则后续测试可能拿到冻结后的时间戳，导致断言失败或随机性残留。
使用场景：需要跨多个函数、或在异步/多线程中维持同一时间点；或者想在测试中间临时“跳时间”。
立即学习“Python免费学习笔记（深入）”；
经过一段时间的开发，以及内部测试，同程网联盟景区新版程序正式发布推出，感谢广大联盟会员一直以来的支持与关注！ 同程网联盟景区新版程序新功能介绍：1.统一的页面风格。页面风格将与随后推出的度假线路、酒店、机票以及融合版联盟程序风格保持一直；2.新增后台管理系统。可更加方便快捷的对网站进行个性化设置；3.动态与伪静态切换。后台操作，简单便捷；4.缓存管理。新增缓存，提高网站访问速度，后台可定期清理；5
- 避免直接用
freeze_time(...).start()，优先用上下文管理器：with freeze_time("2023-01-01 12:00:00"): assert my_func() == "morning" - 如果必须手动 start/stop，确保放在
try/finally里，哪怕测试抛异常也能 cleanup - 注意
freeze_time对time.sleep()无效——它不加速也不跳过 sleep，只是让 time.time() 返回固定值 - 某些旧版 freezegun 在 pytest 参数化测试中会漏 cleanup，升级到 1.2.0+ 可缓解
random.seed() 不够用？为什么每次测试还是得到不同结果
因为 seed 只影响当前线程的随机状态，而测试框架（尤其是 pytest-xdist）可能并行跑多个测试，各在线程里重置 seed 后仍可能互相干扰；更隐蔽的是，第三方库（比如 numpy、uuid）内部也用随机数，它们不认 Python 的 random.seed()。
性能影响不大，但可靠性差：看似设了 seed，实际结果不可重现。
- 全局设 seed 不够，应在每个测试开头显式调用
random.seed(42)，且确保它在所有随机操作之前执行 - 若用到
numpy.random，额外加np.random.seed(42)；若用secrets或uuid.uuid4()，它们不支持 seed，只能 mock 或替换为确定性实现 - 更稳的做法：用
random.Random(42)实例，传给依赖它的函数，而不是污染全局状态 - 示例：
rng = random.Random(42) result = pick_random_item(items, rng=rng)
测试里生成“稳定随机字符串”却忘了长度和字符集约束
很多人用 random.choice(string.ascii_letters) 拼接字符串，以为设了 seed 就万事大吉，结果发现生成的字符串长度不一致、含意外字符（比如换行符）、甚至触发被测逻辑里的边界判断失败。
这不是随机性问题，是生成逻辑没对齐业务假设。
- 别拼接，用
random.choices(population, k=n)，它允许重复且长度严格可控；random.sample()不重复但要求 population ≥ k - 字符集务必显式定义：
string.ascii_lowercase + string.digits比string.printable安全得多 - 如果被测代码对字符串长度敏感（比如 token 截断、数据库字段限制），测试数据长度必须固定，不能依赖
random.randint(5, 12) - 示例：
def make_token(): chars = string.ascii_letters + string.digits return ''.join(random.choices(chars, k=16))
事情说清了就结束
