什么是猴子补丁？

Question

我想了解什么是猴子补丁或猴子补丁？

这是否类似于方法/运算符重载或委托？

这些东西有什么共同点吗？

Answer 1

不，它不像那些东西。它只是在运行时动态替换属性。

例如，考虑一个具有 get_data 方法的类。此方法执行外部查找（例如，在数据库或 Web API 上），并且类中的各种其他方法都会调用它。但是，在单元测试中，您不想依赖外部数据源 - 因此您可以使用返回一些固定数据的存根动态替换 get_data 方法。

因为 Python 类是可变的，而方法只是类的属性，所以您可以随心所欲地执行此操作 - 事实上，您甚至可以以完全相同的方式替换模块中的类和函数。

但是，正如评论者指出的那样，在猴子修补时要小心：

1. 如果除了测试逻辑调用之外还有其他任何事情get_data 同样，它也会调用经过猴子修补的替代品，而不是原来的——这可能是好是坏。请小心。

2. 如果存在某些变量或属性，在您替换它时也指向 get_data 函数，则此别名不会改变其含义，并将继续指向原始 get_data< /代码>。 （为什么？Python 只是将类中的名称 get_data 重新绑定到其他函数对象；其他名称绑定根本不受影响。）

Answer 2

MonkeyPatch 是一段扩展或修改的 Python 代码
运行时的其他代码（通常在启动时）。

一个简单的示例如下所示：

from SomeOtherProduct.SomeModule import SomeClass

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

SomeClass.speak = speak

来源： Zope wiki 上的 MonkeyPatch 页面。

Answer 3

什么是猴子补丁？

简而言之，猴子修补是在程序运行时对模块或类进行更改。

使用示例

Pandas 文档中有一个猴子修补的示例：

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

为了分解这个问题，首先我们导入我们的模块：

import pandas as pd

接下来我们创建一个方法定义，它在任何类定义的范围之外存在未绑定且自由的（因为区别是函数和未绑定方法之间毫无意义，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想要使用它的类：

pd.DataFrame.just_foo_cols = just_foo_cols # monkey-patch the DataFrame class

然后我们可以在该类的实例上使用该方法，并在完成后删除该方法：

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

对于名称修改的警告

如果您正在使用名称修改（在属性前面添加双下划线，这会改变名称，我不建议这样做），您将不得不如果您这样做，请手动进行 name-mangle。由于我不推荐名称修改，因此我不会在这里演示。

---

测试示例

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，该调用会导致错误，因为我们希望确保在这种情况下的正确行为。我们可以对数据结构进行猴子修补以确保这种行为。 （因此使用 Daniel Roseman 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

当我们测试依赖于该方法引发错误的行为时，如果正确实现，我们将在测试结果中得到该行为。

只需执行上述操作就会在进程的生命周期中改变 <​​code>Structure 对象，因此您需要在单元测试中使用设置和拆卸来避免这样做，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

虽然上面的内容很好，使用 mock 库来修补代码可能是一个更好的主意，它比使用 mock 的 patch 装饰器更不容易出错。上面的，这将需要更多的代码行，因此有更多的机会引入错误，我还没有在 mock 中检查代码，但我想它以类似的方式使用猴子修补。）

Answer 4

根据维基百科：

在 Python 中，仅术语“monkey patch”
指的是动态修改
运行时的类或模块，有动机
旨在修补现有的
第三方代码作为解决方法
不作为的错误或功能
你想要的。

Answer 5

第一：猴子补丁是一种邪恶的黑客（在我看来）。

它通常用于用自定义实现替换模块或类级别的方法。

最常见的用例是当您无法替换原始代码时，为模块或类中的错误添加解决方法。在这种情况下，您可以通过猴子修补将“错误”代码替换为您自己的模块/包内的实现。

Answer 6

Monkey 补丁只能用动态语言来完成，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）被视为猴子修补。这些通常是在使用没有源代码的模块时完成的，这样对象定义就不能轻易更改。

这被认为是不好的，因为这意味着对象的定义没有完全或准确地描述它的实际行为。

Answer 7

猴子补丁是在运行时重新打开现有的类或类中的方法并更改行为，应谨慎使用，或者仅在确实需要时才使用它。

由于 Python 是一种动态编程语言，类是可变的，因此您可以重新打开它们并修改甚至替换它们。

Answer 8

什么是猴子修补？猴子修补是一种用于在运行时动态更新一段代码行为的技术。

为什么使用猴子补丁？它允许我们在运行时修改或扩展库、模块、类或方法的行为，而无需
实际修改源码

结论 猴子补丁是一项很酷的技术，现在我们已经学会了如何在 Python 中做到这一点。然而，正如我们所讨论的，它有它的
其自身的缺点，应谨慎使用。