【亲测免费】 Fake Function Framework (fff) 使用教程
2026-01-22 04:37:21作者:范靓好Udolf
1. 项目介绍
Fake Function Framework (fff) 是一个用于创建 C 语言函数测试替身的微框架。它旨在简化测试过程中手动编写假函数的工作,使开发者能够更高效地进行单元测试。fff 是一个头文件库,使用简单,只需包含 fff.h 文件即可开始使用。
2. 项目快速启动
2.1 安装
首先,克隆项目到本地:
git clone https://github.com/meekrosoft/fff.git
2.2 使用示例
假设你有一个需要测试的函数 DISPLAY_init(),你可以按照以下步骤创建一个假函数并进行测试。
2.2.1 定义假函数
在测试文件中包含 fff.h 并定义假函数:
#include "fff.h"
DEFINE_FFF_GLOBALS;
FAKE_VOID_FUNC(DISPLAY_init);
2.2.2 编写测试用例
编写一个简单的测试用例来验证 DISPLAY_init() 是否被正确调用:
#include <assert.h>
void test_init_initialises_display() {
// 调用被测试的函数
UI_init();
// 验证 DISPLAY_init 是否被调用了一次
assert(DISPLAY_init_fake.call_count == 1);
}
int main() {
test_init_initialises_display();
return 0;
}
2.3 运行测试
在 Linux 或 MacOS 系统上,可以使用 buildandtest 脚本来运行所有测试:
./buildandtest
3. 应用案例和最佳实践
3.1 捕获参数
假设你有一个带参数的函数 DISPLAY_output(char * message),你可以捕获传递给该函数的参数:
FAKE_VOID_FUNC(DISPLAY_output, char *);
void test_write_line_outputs_lines_to_display() {
char msg[] = "helloworld";
UI_write_line(msg);
assert(DISPLAY_output_fake.call_count == 1);
assert(strncmp(DISPLAY_output_fake.arg0_val, msg, 26) == 0);
}
3.2 返回值
如果你需要定义一个返回值的假函数,例如 DISPLAY_get_line_capacity(),可以使用 FAKE_VALUE_FUNC 宏:
FAKE_VALUE_FUNC(unsigned int, DISPLAY_get_line_capacity);
void test_when_empty_lines_write_line_doesnt_clear_screen() {
DISPLAY_get_line_insert_index_fake.return_val = 1;
char msg[] = "helloworld";
UI_write_line(msg);
assert(DISPLAY_clear_fake.call_count == 0);
}
3.3 重置假函数
在每个测试用例中重置假函数是一个好习惯,以确保测试的隔离性:
void setup() {
RESET_FAKE(DISPLAY_init);
RESET_FAKE(DISPLAY_clear);
RESET_FAKE(DISPLAY_output_message);
RESET_FAKE(DISPLAY_get_line_capacity);
RESET_FAKE(DISPLAY_get_line_insert_index);
}
4. 典型生态项目
fff 是一个轻量级的测试框架,通常与其他 C 语言测试框架结合使用,如:
- Unity: 一个简单的 C 语言单元测试框架,常与 fff 一起使用。
- CppUTest: 一个 C/C++ 单元测试框架,支持 fff 进行 C 语言函数的测试替身。
通过结合这些框架,开发者可以构建更全面的测试套件,确保代码的质量和稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
895
Ascend Extension for PyTorch
Python
505
610
openEuler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。
C
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108