什么是猴子补丁？

我试图理解，什么是猴子补丁或猴子补丁？

这是类似于方法/运算符重载或委托吗？

它和这些东西有什么共同之处吗？

301911 次浏览
小开

根据维基百科：

在Python中，术语猴子补丁仅指动态修改运行时的类或模块，有动机通过修补现有的意图第三方代码作为解决方法不作为的bug或特征你想要的

小开
最佳答案

不，它不像那些东西。这只是运行时属性的动态替换。

例如，考虑一个具有方法get_data的类。此方法执行外部查找（例如在数据库或Web API上），类中的各种其他方法调用它。但是，在单元测试中，您不想依赖外部数据源-因此您动态地将get_data方法替换为返回一些固定数据的存根。

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-实际上，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，正如评论者所指出的那样，在猴子修补时要小心：

  1. 如果除了您的测试逻辑之外的任何其他东西也调用get_data，它也会调用您的猴子补丁替换而不是原始-这可能是好的也可能是坏的。只是要小心。

  2. 如果某个变量或属性在你替换它时也指向get_data函数，这个别名不会改变它的含义，并将继续指向原始的get_data。（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。）

小开

首先：猴子补丁是一个邪恶的黑客（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。

最常见的用法是在无法替换原始代码时为模块或类中的bug添加解决方法。在这种情况下，您可以通过使用自己的模块/包内的实现进行猴子修补来替换“错误”的代码。

小开

猴子补丁只能在动态语言中完成，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）被认为是猴子补丁。这些通常在使用没有源代码的模块时完成，因此对象定义不能轻易更改。

这被认为是不好的，因为它意味着对象的定义不能完全或准确地描述它的实际行为。

小开

MonkeyPatch是一段Python代码，它扩展或修改运行时的其他代码（通常是在启动时）。

一个简单的例子看起来像这样：

from SomeOtherProduct.SomeModule import SomeClass
def speak(self):return "ook ook eee eee eee!"
SomeClass.speak = speak

Zope wiki上的来源：猴子补丁页面。

小开

什么是猴子补丁？

简单地说，猴子补丁是在程序运行时对模块或类进行更改。

使用示例

在Pandas留档中有一个猴子补丁的例子：

import pandas as pddef 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 classdf = 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，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，它存在于任何类定义范围之外的未绑定和自由（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

名称篡改警告

如果你正在使用name-mangling（用双下划线作为属性的前缀，这会改变名称，我不建议这样做），你必须手动使用name-mangle。由于我不建议使用name-mangling，我不会在这里演示它。

测试示例

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导致错误的外部数据源的数据检索调用，因为我们想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。（所以使用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

当我们测试依赖于此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获得该行为。

只需执行上述操作就会在进程的生命周期中更改Structure对象，因此您需要在单元测试中使用设置和拆解来避免这样做，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

（虽然上面的代码很好，但使用mock库来修补代码可能是一个更好的主意。mock的patch装饰器比上面的方法更不容易出错，这将需要更多的代码行，从而有更多的机会引入错误。我还没有审查mock中的代码，但我想它以类似的方式使用猴子修补。）

小开

猴子补丁是在运行时重新打开类中的现有类或方法并更改行为，应该谨慎使用，或者您应该仅在真正需要时使用它。

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。

小开

什么是猴子补丁？猴子补丁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，而无需实际修改源代码

结论猴子补丁是一种很酷的技术，现在我们已经学习了如何在Python中做到这一点。然而，正如我们所讨论的，它有它的#36825；的缺点，应该谨慎使用。


提交答案