Shoulda-Matchers 中验证只读属性存在的问题及解决方案
背景介绍
在 Rails 开发中,Shoulda-Matchers 是一个广泛使用的测试工具库,它提供了简洁的语法来测试 ActiveRecord 模型的各种验证和关联。随着 Rails 7.1 的发布,一个重要的行为变更影响了 Shoulda-Matchers 的使用方式。
问题描述
Rails 7.1 引入了一个重要的安全变更:默认启用了 raise_on_assign_to_attr_readonly 配置。这意味着当尝试修改被标记为 attr_readonly 的属性时,Rails 会抛出异常,而不是像之前版本那样静默忽略。
这一变更暴露了 Shoulda-Matchers 中的一个问题:当使用 validate_presence_of 验证器测试只读属性时,它会尝试修改这些属性,导致测试失败。
问题重现
假设我们有一个模型类:
class MyClass < ActiveRecord::Base
attr_readonly :company_id
validates :company_id, presence: true
end
对应的测试代码如下:
RSpec.describe MyClass, type: :model do
describe 'validation' do
subject { create(:my_class) }
it { is_expected.to validate_presence_of(:company_id) }
end
end
当 raise_on_assign_to_attr_readonly 设置为 true 时(Rails 7.1 默认),这个测试会失败,因为 Shoulda-Matchers 内部尝试修改只读的 company_id 属性。
解决方案
方案一:使用 build 而非 create
最简单的解决方案是修改测试用例,使用 build 而非 create 来初始化测试对象:
RSpec.describe MyClass, type: :model do
describe 'validation' do
subject { build(:my_class) }
it { is_expected.to validate_presence_of(:company_id) }
end
end
这是因为 build 方法创建的是未保存到数据库的对象实例,此时只读限制尚未生效。
方案二:明确指定验证上下文
另一种解决方案是指定验证上下文为 :create:
it { is_expected.to validate_presence_of(:company_id).on(:create) }
这告诉 Shoulda-Matchers 只在创建上下文中测试验证规则。
技术原理分析
Shoulda-Matchers 的 validate_presence_of 内部实现会尝试修改属性值来验证验证规则是否生效。对于只读属性,这种行为在 Rails 7.1 之前是被静默忽略的,但现在会抛出异常。
当使用 build 而非 create 时,对象尚未持久化,Rails 的只读属性保护机制尚未完全激活,因此可以修改这些属性值用于测试目的。
最佳实践建议
-
优先使用 build:在测试模型验证时,除非特别需要测试保存后的行为,否则应优先使用
build而非create。 -
明确验证上下文:对于只读属性的验证,明确指定
on: :create可以更准确地表达业务意图。 -
测试设计考量:考虑将只读属性的验证测试与其他测试分开,使用不同的测试策略。
总结
Rails 7.1 的安全变更使得 Shoulda-Matchers 在处理只读属性时需要特别注意。通过使用 build 或明确指定验证上下文,我们可以确保测试既符合 Rails 的新安全要求,又能有效验证业务逻辑。这一变更也提醒我们在设计模型时需要更谨慎地考虑属性的读写权限和验证规则。
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。C075
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。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。C01
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TSX0130
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