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。
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。C038
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
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。C00
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TSX0118
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