Deno标准库测试模块中Mock多签名函数的方法
在Deno标准库的测试模块中,开发者可能会遇到需要mock一个具有多个类型签名的函数的情况。这种情况在TypeScript中很常见,特别是当我们需要为同一个函数提供不同类型参数的重载时。
问题背景
当我们在TypeScript中定义一个类方法时,可能会为该方法的参数提供多种类型签名。例如:
class Test {
testFn(query: number): void;
testFn(query: string): void;
testFn(args: string | number): void {
console.log(args);
}
}
这个类中的testFn方法有两个重载签名:一个接受number类型参数,另一个接受string类型参数。实际的实现则接受string | number联合类型。
测试时遇到的问题
当我们尝试使用Deno标准库的@std/testing模块来mock这个方法时:
Deno.test("test", () => {
const test = new Test();
const myStub = stub(test, "testFn");
test.testFn(123);
assertSpyCall(myStub, 0, {
args: [123] // 这里会出现类型错误
});
});
TypeScript会报错,提示number类型不能赋值给string类型。这是因为TypeScript的类型推断系统在处理重载方法时,默认选择了第一个签名(string参数)作为mock的类型约束。
解决方案
方案一:显式类型断言
我们可以通过显式类型断言来告诉TypeScript我们期望的mock类型:
const myStub = stub(test, "testFn") as Stub<Test, [query: string | number], void>;
这种方法的优点是不需要修改原始类定义,直接在测试代码中明确指定我们期望的mock类型。Stub类型是Deno测试模块提供的泛型类型,可以精确控制mock的行为和类型。
方案二:修改类定义
另一种方法是在类定义中添加一个更通用的签名:
class Test {
testFn(query: number): void;
testFn(query: string): void;
testFn(query: string | number): void; // 添加这个签名
testFn(args: string | number): void {
console.log(args);
}
}
由于TypeScript在类型推断时会选择最后一个签名,添加这个通用签名后,mock操作就能正确识别所有可能的参数类型。
最佳实践建议
-
优先考虑方案一:在测试代码中进行类型断言通常比修改生产代码更合适,特别是当生产代码的签名设计有特定意图时。
-
保持测试代码类型安全:虽然可以使用
any来绕过类型检查,但建议保持类型安全,使用精确的类型定义。 -
考虑重构可能性:如果经常需要mock多签名方法,可能需要考虑是否应该重构代码结构,减少重载的使用。
-
文档注释:对于复杂的mock场景,添加适当的注释说明为什么需要特定的类型处理,方便后续维护。
总结
在Deno标准库的测试环境中处理多签名方法的mock时,理解TypeScript的类型推断机制是关键。通过显式类型断言或调整类定义,我们可以有效地解决类型不匹配的问题,确保测试代码既类型安全又能够覆盖所有预期的使用场景。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09