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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00