NSubstitute中NotASubstituteException异常的正确处理方法
在使用NSubstitute进行单元测试时,开发人员可能会遇到NotASubstituteException异常,这通常是由于对NSubstitute的API使用不当造成的。本文将通过一个实际案例,深入分析这个异常的产生原因和解决方法。
异常现象分析
在测试代码中,开发人员试图验证ISignalROrders接口的OrderDelivered方法是否被调用了一次,代码如下:
_signalROrders.OrderDelivered(Arg.Any<Guid>()).Received(1);
这段代码会抛出NotASubstituteException异常,提示"Received()方法只能在通过Substitute.For()创建的对象上调用"。
问题根源
这个异常的根本原因是开发人员错误地理解了NSubstitute的API调用顺序。NSubstitute要求Received()检查必须直接应用于替代实例本身,而不是方法调用的结果。
正确的验证方式应该是:
_signalROrders.Received(1).OrderDelivered(Arg.Any<Guid>());
技术原理
NSubstitute的工作原理是通过创建代理对象来拦截方法调用。当我们在替代对象上调用方法时,NSubstitute会记录这些调用以便后续验证。Received()方法需要直接作用于替代对象,这样才能访问NSubstitute内部记录的调用信息。
错误的调用方式实际上是在尝试对方法返回值(而不是替代对象本身)进行Received()验证,这显然是不合理的,因为方法返回值通常不是由NSubstitute创建的替代对象。
最佳实践
- 正确的调用顺序:始终将
Received()放在替代对象之后,方法调用之前 - 参数匹配:使用
Arg.Any<T>()等匹配器来灵活验证方法调用 - 调用次数验证:可以通过
Received(1)、Received(2)或DidNotReceive()来精确控制验证
总结
理解NSubstitute的API设计理念对于正确使用这个框架至关重要。Received()验证必须直接作用于替代对象,这是NSubstitute能够跟踪方法调用的关键。通过遵循正确的API调用顺序,可以避免NotASubstituteException异常,编写出更加健壮的单元测试代码。
记住这个简单的规则:先写替代对象,然后是Received(),最后才是要验证的方法调用。这种模式可以确保NSubstitute能够正确拦截和记录方法调用,从而进行有效的验证。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00