Kotest中assertSoftly断言位置错误问题解析
2025-06-12 12:47:09作者:尤辰城Agatha
问题背景
Kotest是一个流行的Kotlin测试框架,提供了丰富的断言功能。其中assertSoftly是一个非常有用的特性,它允许在一个代码块中执行多个断言,即使前面的断言失败,也会继续执行后续的断言,最后将所有失败结果汇总报告。
然而,在5.9.1版本中存在一个bug:当在assertSoftly块中使用某些复杂断言(如shouldBeEqualToIgnoringFields)时,框架会错误地报告断言失败的位置,导致开发者难以快速定位问题。
问题复现
考虑以下测试用例:
data class Data(val x: Int, val y: Int)
test("assert softly test / ignoring fields") {
assertSoftly(Data(1, 2)) {
it.shouldNotBeNull()
it.shouldBeEqualToIgnoringFields(Data(3, 4), Data::x)
}
}
当运行这个测试时,框架会错误地报告失败位置为文件中的第83行(假设文件实际只有44行),而不是实际失败的断言行。更糟糕的是,在IDE中点击错误链接时,只能导航到assertSoftly块,而无法精确定位到具体的失败断言。
技术分析
这个问题源于Kotest在生成断言错误信息时,没有正确处理复杂断言的位置信息。具体来说:
- 对于简单断言(如
shouldBe),Kotest能够正确捕获并报告失败位置 - 但对于复杂断言(如
shouldBeEqualToIgnoringFields),位置信息在多层调用中被丢失或混淆 - 错误堆栈跟踪指向了错误的行号,导致开发者调试困难
解决方案
社区贡献者提出了修复方案,主要思路是:
- 统一错误信息的生成方式,使其与
MultiAssertionError的处理方式一致 - 确保在生成断言错误时,正确保留和传播原始位置信息
- 改进堆栈跟踪的生成逻辑,使其指向实际失败的断言行
修复后的版本能够正确显示断言失败的位置,大大提高了调试效率。开发者现在可以:
- 准确看到哪个断言失败了
- 在IDE中直接导航到失败的断言行
- 更快地理解和修复测试失败
最佳实践
为了避免类似问题并充分利用Kotest的断言功能,建议:
- 尽量使用最新版本的Kotest,以获得最稳定的断言行为
- 对于复杂断言,考虑将其分解为多个简单断言,提高可读性和调试便利性
- 在
assertSoftly块中,合理安排断言顺序,将关键检查放在前面 - 定期检查测试报告中的位置信息是否准确
总结
Kotest的assertSoftly是一个非常强大的特性,能够显著提高测试的健壮性。通过修复这个位置报告错误的问题,框架的可用性得到了进一步提升。开发者现在可以更自信地使用各种断言组合,而不用担心调试困难的问题。
这个案例也展示了开源社区的力量,通过用户反馈和贡献者的积极参与,框架得以不断完善。对于遇到类似问题的开发者,及时报告问题并参与讨论是推动改进的有效方式。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0210
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java06
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.07 K
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++
870
2 K
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
468
461
Ascend Extension for PyTorch
Python
749
938
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.38 K
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++
1.09 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
226
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
641