用 monkeypatch.setenv() 临时修改环境变量最安全，它会在测试结束自动还原；若配置模块已缓存需 reload 或 setattr 打补丁；避免全局 patch 和子进程失效问题。
用 monkeypatch.setenv() 临时改环境变量最安全
直接在测试里改 os.environ 全局字典，会导致后续测试被污染——哪怕只改了一个 DEBUG，也可能让隔壁的数据库连接测试连上开发库。用 monkeypatch.setenv() 是 pytest 官方推荐做法，它会在测试结束自动还原，不依赖你手动清理。
常见错误现象：KeyError: 'DATABASE_URL' 在测试里突然出现，其实是因为上一个测试用 del os.environ['DATABASE_URL'] 搞崩了环境，而当前测试没设这个变量。
-
monkeypatch.setenv('DEBUG', 'true')—— 覆盖已有值，或新增 -
monkeypatch.delenv('CACHE_ENABLED', raising=False)—— 安全删除，不存在也不报错 - 别用
os.environ.clear()或直接赋值os.environ = {...}，这会破坏整个测试进程的环境隔离
测试读取逻辑前，先确认配置模块是否已缓存
很多 Python 配置模块（比如 python-decouple、dynaconf 或自定义的 settings.py）会在首次导入时就从环境变量读一次，之后就缓存结果。这时光用 monkeypatch.setenv() 没用——因为读取动作早就完成了。
使用场景：你在 test_db_connection.py 里改了 DATABASE_URL，但测试仍然连着旧地址。
立即学习“Python免费学习笔记（深入）”；
- 把配置模块的导入移到测试函数内部，而不是文件顶部
- 对已缓存的模块，用
monkeypatch.setattr(settings, 'DB_URL', 'sqlite:///test.db')直接打补丁 - 或者用
importlib.reload(settings)强制重载（注意：要先清掉sys.modules里的缓存键）
避免在 conftest.py 里全局 monkeypatch.setenv()
有人想“一劳永逸”，在 conftest.py 的 pytest_configure 里统一设环境变量，结果发现部分测试失败——因为不是所有测试都希望用同一套环境值，比如一个测生产行为，一个测调试路径。
性能影响：全局 patch 会让每个测试都携带冗余环境，还可能掩盖本该暴露的“缺失变量”问题。
- 只在具体测试函数或 fixture 中按需 patch
- 如果多个测试共用一套变量，写成 fixture，用
scope='function'保证隔离 - 别在
session或module级别 patch 环境变量，除非你明确知道所有下游测试都依赖它且不会冲突
遇到 PermissionError 或子进程不生效？检查 fork vs spawn
某些测试会启动子进程（比如调用 subprocess.run() 执行脚本），这时 monkeypatch.setenv() 对子进程无效——因为子进程继承的是父进程当时的 os.environ 快照，而 monkeypatch 并不修改那个快照。
错误现象：subprocess.run(['python', '-c', 'import os; print(os.getenv(\"MODE\"))']) 输出 None，尽管你在测试里用 monkeypatch.setenv('MODE', 'test')。
- 显式传入
env参数：subprocess.run(..., env={**os.environ, 'MODE': 'test'}) - 用
os.environ.copy()构造干净副本再修改，避免污染原始环境 - Windows 上若用
spawn启动方式（如 multiprocessing），环境变量必须在启动前设置好，monkeypatch 时机很关键
真正容易被忽略的是：环境变量不是“写进去就立刻全局可见”，它受模块加载顺序、进程模型、甚至 Python 版本中 os.environ 的实现细节影响。每次 patch 后，最好加一行 assert os.getenv('XXX') == 'expected' 验证是否真生效了。
