Sourcery项目中Automockable生成器对复合类型处理的问题分析
2025-05-29 20:09:03作者:管翌锬
问题背景
在Swift开发中,Sourcery是一个强大的代码生成工具,其中的Automockable模板可以自动为协议生成Mock实现类。然而,在处理包含复合类型(如协议组合)的参数时,当前的实现存在一个编译错误问题。
问题现象
当协议方法参数使用协议组合类型(如any (FooProtocol & BarProtocol))时,生成的Mock类会出现编译错误。这是因为生成的变量名中直接包含了&符号,这在Swift中是不合法的标识符字符。
技术分析
当前错误实现
生成的Mock类中,变量命名直接包含了原始类型声明中的&符号,例如:
var executeParameterAnyFooProtocol&BarProtocolVoidCallsCount = 0
这种命名会导致编译器报错,因为&不是有效的标识符字符。
正确实现方式
正确的做法应该是将特殊字符替换为合法字符或完全移除。对于协议组合类型,可以:
- 移除
&符号 - 用下划线
_替代 - 使用更简洁的命名方式
例如,上述变量应该被命名为:
var executeParameterAnyFooProtocolBarProtocolVoidCallsCount = 0
解决方案
命名规范化处理
在代码生成过程中,需要对类型名称进行规范化处理:
- 移除所有空格
- 将特殊字符(如
&)替换为下划线或直接移除 - 确保最终标识符符合Swift命名规范
实现建议
在模板处理阶段,可以添加一个字符串处理过滤器,对类型名称进行净化:
func sanitizeTypeName(_ name: String) -> String {
return name.replacingOccurrences(of: "&", with: "")
.replacingOccurrences(of: " ", with: "")
}
影响范围
这个问题会影响所有使用Automockable模板且协议方法包含协议组合类型参数的场景。虽然不常见,但在设计精细的协议体系时,这种用法并不罕见。
最佳实践建议
- 对于复杂的类型参数,考虑在协议设计时使用typealias简化
- 在生成Mock前,检查协议方法的参数类型是否包含特殊字符
- 定期更新Sourcery版本以获取最新的修复和改进
总结
Sourcery的Automockable功能在大多数情况下工作良好,但在处理特殊类型时需要注意命名规范问题。通过适当的字符串处理和命名规范化,可以确保生成的代码始终能够编译通过。这个问题也提醒我们,在自动化代码生成过程中,对输出结果进行充分的验证和测试同样重要。
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
269
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
620
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