NSubstitute中IMemoryCache.TryGetValue的正确Mock方法
2025-06-28 05:26:23作者:袁立春Spencer
概述
在使用NSubstitute进行单元测试时,Mock IMemoryCache接口的TryGetValue方法是一个常见的需求。本文将通过一个实际案例,详细介绍如何正确使用NSubstitute来Mock这个方法的out参数。
问题背景
在从Moq迁移到NSubstitute的过程中,开发者经常遇到的一个典型问题是如何正确处理带有out参数的方法Mock。特别是对于IMemoryCache接口的TryGetValue方法,其签名如下:
bool TryGetValue(object key, out object? value)
错误示范
很多从Moq转向NSubstitute的开发者会尝试以下写法:
object? outValue = new List<object> { new object() };
_memoryCache.TryGetValue(It.IsAny<object>(), out outValue)
.Returns(x => {
x[1] = outValue;
return true;
});
这段代码存在两个主要问题:
- 使用了Moq的
It.IsAny而不是NSubstitute的Arg.Any - out参数的处理方式不正确
正确解决方案
方案一:使用ReturnsForAnyArgs
object? outValue = new List<object> { new object() };
memoryCache.TryGetValue(default!, out _)
.ReturnsForAnyArgs(x => {
x[1] = outValue;
return true;
});
这种方法使用了ReturnsForAnyArgs,它会忽略所有参数匹配,适用于不关心具体参数值的情况。
方案二:使用Arg.Any
object? outValue = new List<object> { new object() };
memoryCache.TryGetValue(Arg.Any<object>(), out Arg.Any<object?>())
.Returns(x => {
x[1] = outValue;
return true;
});
这种方法明确指定了参数匹配规则,使用NSubstitute的Arg.Any来匹配任意输入参数。
技术要点解析
-
参数匹配:NSubstitute使用
Arg.Any<T>()而不是Moq的It.IsAny<T>() -
out参数处理:在Returns回调中,通过索引器访问参数(x[1]对应第二个参数)来设置out参数的值
-
默认值处理:使用
default!可以避免null引用警告,同时保持代码简洁 -
返回值设置:回调函数中需要明确返回一个布尔值表示是否找到缓存项
最佳实践建议
- 对于简单的Mock场景,推荐使用方案一,代码更简洁
- 当需要更精确的参数匹配时,使用方案二
- 在迁移项目时,注意彻底移除Moq的引用,避免混用
- 考虑为常用的Mock模式创建辅助方法,提高代码复用性
总结
正确处理NSubstitute中带有out参数的方法Mock需要注意参数匹配语法和回调函数的编写方式。通过理解NSubstitute的工作原理,可以避免常见的迁移陷阱,编写出更健壮、更易维护的单元测试代码。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878