Mockery配置迁移中的子包排除问题解析
2025-06-02 19:39:31作者:廉皓灿Ida
Mockery作为Go语言中最流行的mock生成工具之一,其v3版本带来了许多配置格式的变化。在实际使用中,从v2到v3的配置迁移过程中,我们发现了一个关于子包排除(exclude-subpkg-regex)配置位置的潜在问题。
问题背景
在Mockery v2配置中,开发者可以通过exclude字段来指定需要排除的子包路径。当使用migrate命令将这些配置升级到v3格式时,工具会将exclude字段自动转换为exclude-subpkg-regex,但会错误地将其放置在package级别的config下,而非配置文件的根级别。
问题影响
这种错误的配置位置会导致子包排除功能失效。根据Mockery v3的设计规范,exclude-subpkg-regex应当位于配置文件的根级别才能正常工作。当它被错误地放置在package级别的config下时,Mockery将无法正确识别需要排除的子包。
配置对比
v2原始配置示例:
with-expecter: true
dir: "{{.InterfaceDirRelative}}/mocks"
outpkg: mocks
packages:
package_name/internal:
config:
recursive: true
disable-version-string: true
all: true
exclude:
- app/migrate/migrator
- pkg/tests
错误的v3迁移结果:
packages:
package_name/internal:
config:
all: true
exclude-subpkg-regex: # 错误位置
- app/migrate/migrator
- pkg/tests
recursive: true
正确的v3配置:
exclude-subpkg-regex: # 正确位置
- "package_name/internal/app/migrate/*"
- "package_name/internal/tests/*"
packages:
package_name/internal:
config:
all: true
recursive: true
技术原理分析
Mockery v3对子包排除机制进行了重构,使其更加灵活和强大。exclude-subpkg-regex采用正则表达式匹配方式,可以更精确地控制需要排除的子包范围。这个配置需要放在根级别的原因是:
- 它影响的是整个mock生成过程的子包扫描阶段
- 需要在解析package配置之前就生效
- 可以统一管理多个package的排除规则
解决方案
对于遇到此问题的用户,可以采取以下解决方案:
- 手动调整迁移后的配置文件,将
exclude-subpkg-regex移动到根级别 - 注意路径格式变化,v3需要使用完整路径并支持正则表达式
- 等待官方修复此迁移工具的问题
最佳实践建议
- 迁移后务必检查配置文件的正确性
- 对于复杂的排除规则,建议使用正则表达式提高灵活性
- 可以在CI流程中加入配置验证步骤
- 考虑使用更细粒度的package配置而非全局排除
总结
登录后查看全文
热门项目推荐
相关项目推荐
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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
openEuler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。
C
224
92
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
723
174
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
10
1
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++
849
441
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
699
🔥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
65
19