MockK框架中wasNot Called的正确使用方法
MockK是Kotlin生态中广受欢迎的模拟测试框架,近期在1.13.11版本中引入了一项重要变更,影响了wasNot Called断言的使用方式。本文将详细介绍这一变更的背景、影响以及正确的替代方案。
变更背景
在MockK 1.13.10及更早版本中,开发者可以使用wasNot Called来验证特定方法是否未被调用,语法如下:
verify { repo.countBy(any()) wasNot Called }
然而,这种用法在1.13.11版本中被明确禁止,框架会抛出"was not can only be called on a mocked object"异常。这一变更源于框架对API使用方式的规范化处理。
正确的验证方式
验证方法未被调用
现在,要验证某个方法未被调用,应该使用exactly = 0参数:
verify(exactly = 0) { repo.countBy(any()) }
这种语法更加明确地表达了验证意图,即确认方法在测试过程中完全没有被调用。
验证模拟对象未被使用
wasNot Called现在仅用于验证整个模拟对象是否未被使用:
verify { repo wasNot Called }
这条断言会检查模拟对象repo上的所有方法是否都未被调用,是一种更全面的验证方式。
实际应用示例
考虑一个服务类,它依赖一个仓库接口:
interface Repository {
fun countBy(ids: Set<Long>): Map<Long, Long>
}
class Service(private val repo: Repository) {
fun countBy(ids: Set<Long>) = if (ids.isEmpty()) {
emptyMap()
} else {
repo.countBy(ids)
}
}
在测试空集合场景时,正确的验证方式应该是:
@Test
fun `当传入空集合时不应调用仓库`() {
val repo = mockk<Repository>()
val service = Service(repo)
val result = service.countBy(emptySet())
assert(result.isEmpty())
verify(exactly = 0) { repo.countBy(any()) }
}
版本兼容性建议
如果你的项目升级到MockK 1.13.11或更高版本,需要检查所有使用wasNot Called的地方,特别是那些用于验证方法未被调用的断言,将它们更新为新的语法形式。
对于需要保持向后兼容性的项目,可以考虑暂时停留在1.13.10版本,但建议尽快迁移到新语法,因为新版本提供了更清晰的API语义和更好的错误提示。
总结
MockK 1.13.11版本的这一变更虽然带来了短暂的迁移成本,但从长远来看提高了API的一致性和可读性。作为开发者,理解并适应这些最佳实践将有助于编写更清晰、更可靠的测试代码。记住:验证方法未被调用使用verify(exactly = 0),验证整个对象未被使用才使用wasNot Called。
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