PHPUnit 12.0.9版本中Mock对象构建器的变更解析
在PHPUnit 12.0.9版本中,框架对Mock对象的内部实现进行了重要调整,移除了PHPUnit\Framework\MockObject\Builder\InvocationMocker这个类。这一变更虽然属于内部实现细节的调整,但由于历史原因,这个类在早期版本中被部分开发者直接引用,导致升级后可能遇到静态分析工具报错的情况。
变更背景
PHPUnit作为PHP生态中最流行的单元测试框架,其Mock功能一直是核心特性之一。在12.0.9版本之前,框架内部使用InvocationMocker类来处理Mock对象的方法调用预期设置。这个类本应作为内部实现细节,不应该被外部代码直接依赖,但在实际使用中,部分开发者可能会通过IDE自动补全或查看源码的方式直接引用到这个类。
技术影响
虽然移除了InvocationMocker类,但PHPUnit团队确保了这一变更不会破坏现有的测试代码。开发者仍然可以继续使用原有的链式调用方式来设置Mock预期:
$mockedService
->expects($this->exactly(1))
->method('get')
->with(24)
->willReturn('24');
这段代码在运行时完全正常,只是在使用静态分析工具(如PHPStan)并启用了phpstan-phpunit扩展时,可能会报告"Call to method method() on an unknown class"的错误。
解决方案
对于遇到此问题的开发者,有以下几种处理方式:
-
等待扩展更新:phpstan-phpunit扩展需要更新以适应PHPUnit的这一变更。开发者可以关注相关扩展的更新情况。
-
临时解决方案:在等待扩展更新的同时,可以通过在phpstan.neon配置文件中排除相关错误来临时解决问题:
parameters:
ignoreErrors:
- '#Call to method method\(\) on an unknown class#'
- 代码重构:虽然不必要,但开发者也可以考虑重构测试代码,使用更现代的Mock创建方式,如:
$mockedService = $this->createMock(MyService::class);
$mockedService->method('get')
->with(24)
->willReturn('24');
最佳实践建议
这一变更提醒我们几个重要的开发实践:
-
避免依赖内部实现:测试代码应该只依赖框架公开的API,而不是内部实现类。
-
关注框架更新日志:在升级框架版本时,仔细阅读变更日志,了解可能的破坏性变更。
-
合理使用静态分析:静态分析是强大的工具,但要理解其局限性,特别是当分析规则尚未适配最新框架版本时。
PHPUnit团队表示这一变更本应在12.0.0大版本中就实施,但由于疏忽而延迟到了12.0.9版本。这也说明了即使是成熟的开源项目,在版本管理和变更控制上也存在挑战。对于开发者而言,理解框架的内部实现变化有助于编写更健壮的测试代码。
kernelopenEuler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。C069
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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