MockHttp库中GetMatchCount方法使用注意事项
MockHttp是一个用于.NET单元测试中模拟HTTP请求的流行库。在使用过程中,开发者可能会遇到GetMatchCount方法返回结果与预期不符的情况。本文将深入分析这一现象的原因,并提供正确的使用方法。
问题现象
当开发者尝试使用自定义的IMockedRequest实现类来统计匹配请求数量时,可能会发现GetMatchCount方法总是返回0,即使明显有请求已经匹配。例如:
// 自定义匹配所有请求的实现
public class AnyMockedRequest : IMockedRequest
{
public static readonly AnyMockedRequest AtAll = new();
public bool Matches(HttpRequestMessage request) => true;
// 其他实现...
}
// 使用示例
var handler = new MockHttpMessageHandler();
handler.When(HttpMethod.Get, "https://customers.com").Respond(HttpStatusCode.OK);
var client = handler.ToHttpClient();
await client.GetAsync("https://customers.com");
// 这里会返回0,不符合预期
int count = handler.GetMatchCount(AnyMockedRequest.AtAll);
原因分析
MockHttp内部的工作机制是:当调用When/Respond方法设置请求模拟时,库会创建一个内部IMockedRequest实例并记录所有匹配该模式的请求。GetMatchCount方法实际上是查询这个内部实例的匹配计数,而不是重新评估所有历史请求。
因此,直接传入自定义的IMockedRequest实现不会得到预期的结果,因为库内部维护的是另一套匹配记录系统。
正确使用方法
要正确统计匹配请求数量,应该保存When/Respond方法返回的IMockedRequest实例,然后对该实例调用GetMatchCount:
var handler = new MockHttpMessageHandler();
// 保存返回的模拟请求实例
var mockedRequest = handler.When(HttpMethod.Get, "https://customers.com")
.Respond(HttpStatusCode.OK);
var client = handler.ToHttpClient();
await client.GetAsync("https://customers.com");
// 使用保存的实例查询匹配数
int count = handler.GetMatchCount(mockedRequest); // 现在会返回1
最佳实践
-
保存模拟请求实例:始终保存When/Respond方法返回的IMockedRequest实例,以便后续验证
-
明确验证目标:在单元测试中,明确要验证的是哪个具体的模拟请求
-
避免过度通用匹配:虽然可以创建匹配所有请求的实现,但在实际测试中应该明确指定预期的请求模式
-
结合其他验证方法:除了GetMatchCount,还可以使用GetMatchCountAsync或直接检查响应内容来全面验证请求
总结
理解MockHttp内部如何记录和统计请求匹配是正确使用GetMatchCount方法的关键。通过保存When/Respond返回的实例,开发者可以准确验证测试中的HTTP请求是否按预期执行。这种设计实际上提供了更精确的验证能力,可以针对每个具体的模拟请求进行独立的匹配统计。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00