使用go-cmp实现类似Jest.js的expect.any(String)功能
2025-06-13 11:40:46作者:庞眉杨Will
在Go语言开发中,我们经常需要比较两个数据结构是否相等。google/go-cmp是一个强大的比较库,它提供了比标准库更灵活的深度比较功能。本文将介绍如何利用go-cmp实现类似JavaScript测试框架Jest.js中的expect.any(String)功能。
需求背景
在实际开发中,我们经常会遇到这样的场景:需要比较两个数据结构,但其中某些字段的值是动态生成的(如随机ID、时间戳等)。我们希望比较时能忽略这些特定字段的具体值,只验证它们的类型是否符合预期。
例如,在比较HTTP响应时,响应体中可能包含服务器生成的随机ID字段。我们希望在测试中只验证这个字段是字符串类型,而不关心具体的字符串内容。
go-cmp的基本使用
go-cmp库提供了丰富的比较选项,包括:
- 自定义比较函数
- 类型转换
- 过滤特定字段
- 忽略特定字段
但默认情况下,它不支持"类型匹配"这种高级比较模式。
实现方案
我们可以通过组合使用go-cmp的FilterValues、Transformer和Comparer功能来实现类似expect.any(String)的功能。
定义AnyString类型
首先,我们定义一个特殊类型来表示"任意字符串":
type AnyString struct {
value string
isInput bool
}
var anyString = AnyString{}
这个类型有两个作用:
- 作为占位符表示"任意字符串"的预期值
- 包装实际字符串值以便比较
实现比较逻辑
完整的比较实现如下:
func TestAnyString(t *testing.T) {
// 实际值和预期值
x := map[string]any{"foo": "12"}
y := map[string]any{"foo": anyString}
// 定义转换器,将字符串和AnyString统一为AnyString类型
tr := cmp.FilterValues(func(x, y interface{}) bool {
_, okX1 := x.(string)
_, okX2 := x.(AnyString)
_, okY1 := y.(string)
_, okY2 := y.(AnyString)
return (okX1 || okX2) && (okY1 || okY2)
}, cmp.Transformer("AnyStringTransformer", func(x interface{}) AnyString {
if is, ok := x.(string); ok {
return AnyString{value: is, isInput: true}
}
return x.(AnyString)
}))
// 自定义比较逻辑
optComp := cmp.Comparer(func(x AnyString, y AnyString) bool {
// 如果一个值是输入字符串,另一个是anyString,则匹配
if x.isInput == !y.isInput {
return true
}
return x == y
})
if diff := cmp.Diff(x, y, tr, optComp); diff != "" {
t.Errorf("Mismatch (-x +y):\n%s", diff)
}
}
工作原理
- FilterValues:筛选出需要特殊处理的比较对(string和AnyString的组合)
- Transformer:将所有string和AnyString值统一转换为AnyString类型
- Comparer:自定义比较逻辑,当一边是实际字符串一边是anyString占位符时返回true
扩展应用
这种模式可以扩展到其他类型,例如:
type AnyInt struct {
value int
isInput bool
}
var anyInt = AnyInt{}
然后实现类似的转换和比较逻辑,就可以支持expect.any(Int)的功能。
总结
通过组合使用go-cmp的高级功能,我们实现了类似Jest.js的类型匹配比较。这种方法特别适用于:
- 测试包含随机生成值的响应
- 验证数据结构的类型而不关心具体值
- 比较深度嵌套结构中特定字段的类型
这种技术可以大大提高测试的灵活性和可维护性,特别是在处理动态生成数据的场景下。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
openEuler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。
C
392
289
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108