Kotest中assertSoftly断言位置错误问题解析
2025-06-12 01:10:03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
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
HunyuanVideo-1.5暂无简介00
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-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
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
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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