Mockery v3.2.4版本发布:Go语言Mock工具的重要修复
Mockery是一个流行的Go语言mock生成工具,它能够根据接口定义自动生成mock实现代码,极大简化了Go语言单元测试的编写工作。Mockery通过解析Go源代码中的接口定义,生成符合该接口的mock结构体,开发者可以直接使用这些mock对象进行测试,而无需手动编写繁琐的mock实现。
版本核心修复内容
本次发布的v3.2.4版本主要包含三个重要的修复和改进,这些改进进一步提升了Mockery的稳定性和可用性。
1. 递归包生成正则表达式修复
在之前的版本中,当使用递归模式生成mock代码时,正则表达式匹配存在一些问题,可能导致某些包没有被正确识别和处理。这个修复确保了当开发者使用递归选项时,所有符合要求的包都能被正确扫描和生成mock代码。
这个改进特别适用于大型项目,其中接口可能分散在多个嵌套的子包中。现在开发者可以放心使用递归选项,确保不会遗漏任何需要mock的接口。
2. 可变参数在EXPECT().Run()中的处理修复
Go语言支持可变参数函数(variadic functions),即使用...语法定义的参数。在之前的Mockery版本中,当mock对象的方法包含可变参数时,在.EXPECT().Run()中的处理存在缺陷。
这个修复确保了可变参数能够被正确识别和处理,使得开发者可以像测试普通参数一样测试可变参数。例如,现在可以正确mock以下形式的函数:
func (m *MockExample) VariadicMethod(args ...interface{}) {
m.mock.Called(args...)
}
3. 未知MOCKERY_环境变量导致的panic修复
Mockery支持通过环境变量进行配置,但之前的版本中,如果系统中存在任何以"MOCKERY_"开头的环境变量(即使这些变量不是Mockery的有效配置项),都会导致程序panic。
这个修复使Mockery能够优雅地忽略未知的MOCKERY_前缀环境变量,只处理它实际识别的配置项。这提高了工具的健壮性,特别是在复杂的CI/CD环境中,可能无意中设置了各种环境变量的情况下。
版本兼容性与升级建议
v3.2.4版本是一个补丁版本,完全向后兼容v3.2.x系列。对于正在使用v3.2.x版本的用户,建议尽快升级以获取这些重要的修复。
对于从更早版本升级的用户,需要注意Mockery v3.x与v2.x有一些不兼容的变化,主要是配置方式和命令行参数的变化。建议查阅完整的升级指南进行迁移。
实际应用示例
让我们通过一个简单的例子展示Mockery的使用。假设我们有一个简单的接口定义:
package example
type Greeter interface {
Greet(name string) string
GreetAll(names ...string) []string
}
使用Mockery生成mock代码后,我们可以这样编写测试:
func TestGreeter(t *testing.T) {
mockGreeter := NewMockGreeter(t)
// 设置普通参数的期望
mockGreeter.EXPECT().Greet("Alice").Return("Hello, Alice!")
// 设置可变参数的期望
mockGreeter.EXPECT().GreetAll("Alice", "Bob").Return([]string{"Hello Alice", "Hello Bob"})
// 测试代码使用mock对象...
}
v3.2.4版本的修复确保了上述代码中无论是普通参数还是可变参数都能被正确处理。
总结
Mockery v3.2.4虽然是一个小版本更新,但包含了几个关键修复,特别是对可变参数处理和递归包生成的支持改进,使得这个工具在复杂场景下的表现更加可靠。对于依赖Mockery进行单元测试的Go项目,升级到这个版本将获得更好的开发体验和更稳定的测试环境。
作为Go生态中广泛使用的mock工具,Mockery持续改进其功能和稳定性,为Go开发者提供了强大的测试支持。建议所有用户考虑升级到最新版本,以利用这些改进和修复。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C059
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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