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，您可以使用自己的模块/包内的实现通过猴子修补来替换“错误”的代码。

Monkey补丁只能在动态语言中完成，python就是一个很好的例子。例如，在运行时更改方法而不是更新对象定义；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。这些通常是在处理没有源代码的模块时完成的，因此对象定义不能轻易更改。

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。

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，您可以使用自己的模块/包内的实现通过猴子修补来替换“错误”的代码。

什么是猴子补丁？

简单地说，猴子补丁就是在程序运行时对模块或类进行更改。

用法示例

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

为了解决这个问题，首先我们导入模块：

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是相当无意义的，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要对其使用的类：

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

姓名变更注意事项

如果您使用的是名称mangling（在属性前面加上双下划线，这会改变名称，我不建议这样做），那么您必须手动命名mangle。由于我不建议使用名称mangling，所以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。我们可以对数据结构进行修补以确保这种行为。（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

当我们测试依赖于此方法的行为时，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，就会在整个过程中改变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，但使用mock库来修补代码可能是一个更好的主意。mock的修补程序装饰器比上面的操作更不容易出错，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，但我认为它以类似的方式使用了monkey修补。）

Monkey修补是在运行时重新打开类中的现有类或方法，并更改行为，应谨慎使用，或者仅在真正需要时使用。

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。

不，它不像那些东西。这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），类中的其他各种方法都会调用它。但是，在单元测试中，您不希望依赖外部数据源，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做这件事——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，正如一位评论者所指出的，在进行猴痘时要谨慎：

如果除了测试逻辑之外的任何其他东西也调用get_data，那么它也会调用猴子补丁替换，而不是原始的——这可能是好的，也可能是坏的。小心点。如果在替换get_data函数时存在指向它的变量或属性，则该别名不会改变其含义，并将继续指向原始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。）