AssertJ递归比较中忽略Map字段的配置技巧
2025-06-29 08:04:39作者:宣利权Counsellor
在Java单元测试中,AssertJ是一个非常流行的断言库,它提供了强大的递归比较功能。本文将重点介绍在使用AssertJ进行Map结构递归比较时,如何正确配置忽略特定字段的方法。
递归比较基础
AssertJ的usingRecursiveComparison()方法允许我们对复杂对象进行深度比较,它会递归地比较对象的所有字段。对于简单对象,我们可以直接使用withIgnoredFields()来忽略特定字段:
assertThat(john)
.usingRecursiveComparison(
RecursiveComparisonConfiguration.builder()
.withIgnoredFields("age")
.build()
)
.isEqualTo(olderJohn);
Map结构比较的特殊性
当我们需要比较包含在Map中的对象时,情况会变得稍微复杂一些。考虑以下示例:
Map<String, Person> map1 = Map.of("john_id", new Person("John", 30));
Map<String, Person> map2 = Map.of("john_id", new Person("John", 60));
assertThat(map1)
.usingRecursiveComparison(
RecursiveComparisonConfiguration.builder()
.withIgnoredFields("age") // 这不会生效
.build()
)
.isEqualTo(map2);
上述代码会失败,因为简单的withIgnoredFields("age")配置无法识别Map中嵌套对象的字段路径。
解决方案
1. 使用完整字段路径
如果你知道Map的key值,可以使用完整的字段路径来忽略特定字段:
.withIgnoredFields("john_id.age")
这种方法适用于key值固定且已知的情况。
2. 使用正则表达式匹配
对于key值不确定或需要更灵活的匹配场景,可以使用withIgnoredFieldsMatchingRegexes方法:
.withIgnoredFieldsMatchingRegexes(".*age")
这个正则表达式会匹配任何以"age"结尾的字段路径,无论它在Map结构中的哪一层级。
技术原理
AssertJ的递归比较器在遍历对象图时会构建完整的字段路径。对于Map中的条目,路径格式为<key>.<field>。因此:
- 简单字段忽略只适用于顶层字段
- 要忽略嵌套字段,需要指定完整路径或使用通配符
最佳实践
- 对于简单对象结构,优先使用
withIgnoredFields - 对于包含Map/Collection的复杂结构,考虑使用正则表达式匹配
- 在测试代码中添加注释说明忽略字段的原因,便于后续维护
- 如果可能,尽量保持测试数据的简洁性,减少需要忽略的字段数量
通过合理使用AssertJ的递归比较配置,我们可以编写出既严格又灵活的测试断言,有效验证复杂数据结构的同时忽略那些不重要的差异。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217