Deno标准库中异步函数异常断言的最佳实践
2025-06-24 16:25:59作者:范垣楠Rhoda
在Deno标准库测试中,正确处理异步函数的异常断言是一个常见但容易出错的操作。本文将深入探讨如何正确使用assertRejects和assertThrows来测试异步函数,并解释其中的关键细节。
异步函数异常断言的基本用法
Deno标准库提供了assertRejects和assertThrows两个断言函数,分别用于处理异步和同步函数的异常情况。
对于简单的异步函数抛出异常的情况,可以直接使用assertRejects:
async function simpleAsyncThrow() {
throw new Error("直接抛出错误");
}
// 正确用法
assertRejects(simpleAsyncThrow);
带参数的异步函数测试
当异步函数需要传递参数时,必须使用箭头函数包裹:
async function asyncWithParam(param: string) {
throw new Error(`带参数的错误: ${param}`);
}
// 正确用法
assertRejects(() => asyncWithParam("test"));
包含await操作的异步函数测试
对于包含实际异步操作(如fetch)的函数,测试时需要特别注意:
async function asyncWithFetch(format = "json") {
const res = await fetch(`https://api.example.com?format=${format}`);
await res.text(); // 必须消费响应体
throw new Error("获取数据后抛出错误");
}
正确的测试写法需要同时满足:
- 使用assertRejects
- 添加await关键字
- 使用箭头函数传递参数
- 确保消费了所有异步资源
// 正确写法
await assertRejects(() => asyncWithFetch("json"));
常见错误与解决方案
错误1:忘记消费响应体
// 错误写法 - 会导致资源泄漏
assertRejects(() => asyncWithFetch("json"));
解决方案:确保在测试函数中消费了所有异步资源,如响应体。
错误2:混淆assertRejects和assertThrows
// 错误写法 - assertThrows不适用于异步函数
assertThrows(async () => await asyncWithFetch("json"));
解决方案:对于异步函数总是使用assertRejects,对于同步函数使用assertThrows。
错误3:忘记await关键字
// 错误写法 - 可能导致测试在断言完成前结束
assertRejects(() => asyncWithFetch("json"));
解决方案:在assertRejects前添加await关键字。
最佳实践总结
- 对于纯异步函数(不包含实际IO),可以直接使用assertRejects(func)
- 对于需要传参的异步函数,使用assertRejects(() => func(param))
- 对于包含实际IO操作的异步函数:
- 使用await assertRejects(() => func(param))
- 确保函数内部消费了所有IO资源
- 区分清楚assertRejects(异步)和assertThrows(同步)的使用场景
- 在测试文件中明确标记async/await,避免遗漏
通过遵循这些实践,可以确保在Deno测试中正确处理异步函数的异常断言,避免资源泄漏和测试不稳定的情况。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
139
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
371
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
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
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
646
255