PHPUnit测试桩(Stub)中method()与expects()的正确使用方式
2025-05-10 23:41:52作者:温玫谨Lighthearted
在PHPUnit测试框架中,创建和使用测试桩(Test Stub)是单元测试的重要组成部分。然而,许多开发者在使用过程中会遇到关于method()
和expects()
方法的一些困惑,特别是在方法链式调用时出现的类型问题。
核心问题分析
PHPUnit提供了两种方式来配置测试桩的行为:
- 直接使用
method()
方法:
$mock = $this->createMock(Test::class);
$mock->method('foo')->with(1)->willReturn(2);
- 使用
expects()
方法:
$mock = $this->createMock(Test::class);
$mock->expects($this->once())
->method('foo')
->with(1)
->willReturn(2);
这两种方式看似相似,但实际上有着重要的区别。
底层机制解析
在PHPUnit的实现中,method()
方法实际上是expects(new AnyInvokedCount)
的快捷方式。这意味着:
- 当使用
method()
时,PHPUnit内部会默认添加一个"任意调用次数"的期望 - 而使用
expects()
则允许开发者显式地指定调用次数的期望
从类型系统的角度看:
method()
返回的是InvocationMocker
接口expects()
也返回InvocationMocker
接口- 但直接使用
method()
时,静态分析工具可能会误认为返回的是InvocationStubber
接口
最佳实践建议
-
明确测试意图:
- 如果只关心方法的返回值,不关心调用次数,可以使用
method()
- 如果需要验证方法是否被调用及调用次数,应该使用
expects()
- 如果只关心方法的返回值,不关心调用次数,可以使用
-
静态分析兼容性:
- 当使用PHPStan等静态分析工具时,建议统一使用
expects()
方式 - 这样可以避免因接口类型推断导致的误报
- 当使用PHPStan等静态分析工具时,建议统一使用
-
代码可读性:
- 使用
expects()
方式更明确地表达了测试的验证点 - 使测试代码的意图更加清晰
- 使用
实际应用示例
// 仅配置返回值,不验证调用
$mock = $this->createMock(Service::class);
$mock->method('process')->willReturn(true);
// 验证方法调用及参数
$mock = $this->createMock(Service::class);
$mock->expects($this->exactly(2))
->method('process')
->withConsecutive(
[$this->equalTo('input1')],
[$this->equalTo('input2')]
);
理解PHPUnit测试桩中这两种配置方式的区别和联系,有助于编写更清晰、更可靠的单元测试。在大多数情况下,特别是当测试需要验证交互行为时,使用expects()
方式是更优的选择。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VL
PaddleOCR-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- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0134AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
231
2.31 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
78

React Native鸿蒙化仓库
JavaScript
216
290

暂无简介
Dart
532
117

仓颉编程语言运行时与标准库。
Cangjie
122
93

🎉 (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
992
587

Ascend Extension for PyTorch
Python
74
103

仓颉编程语言测试用例。
Cangjie
34
61

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
401