NSubstitute中如何正确验证扩展方法的调用
2025-06-28 09:37:40作者:邵娇湘
在单元测试中使用NSubstitute进行模拟和验证时,开发人员经常会遇到一个常见陷阱——尝试验证扩展方法的调用。本文将深入探讨这个问题,并解释为什么直接验证扩展方法调用会失败,以及如何正确进行这类测试。
问题现象
当开发者尝试使用NSubstitute验证IDistributedCache接口的SetStringAsync扩展方法调用时,测试会意外失败。错误信息显示NSubstitute实际上检查的是SetAsync方法而非SetStringAsync方法。
根本原因
这个问题的根源在于NSubstitute的工作原理。NSubstitute只能拦截和验证虚拟(virtual)成员调用,而扩展方法在C#中本质上是静态方法。当代码调用扩展方法时,编译器会将其转换为对静态方法的调用。
以IDistributedCache的SetStringAsync为例,它实际上是DistributedCacheExtensions类中的一个静态方法:
public static Task SetStringAsync(this IDistributedCache cache, string key, string value,
DistributedCacheEntryOptions options, CancellationToken token = default)
{
return cache.SetAsync(key, Encoding.UTF8.GetBytes(value), options, token);
}
当测试代码尝试验证SetStringAsync调用时,NSubstitute无法"看到"这个静态方法调用,只能捕获到底层的SetAsync虚拟方法调用。
解决方案
1. 验证底层虚拟方法调用
既然无法直接验证扩展方法,我们可以改为验证扩展方法最终调用的虚拟方法:
// 替代原来的SetStringAsync验证
await _cache.Received(1).SetAsync(
cacheKey,
Arg.Any<byte[]>(),
Arg.Any<DistributedCacheEntryOptions>(),
ct);
2. 使用NSubstitute.Analyzers
安装NSubstitute.Analyzers可以帮助在编译时检测这类问题,它会警告开发者尝试验证静态或不可拦截的方法调用。
3. 重构代码设计
如果可能,考虑将缓存操作封装到一个专门的类中,而不是直接使用扩展方法。这样可以使代码更易于测试:
public interface ICacheService
{
Task SetStringAsync(string key, string value, CancellationToken ct);
}
public class DistributedCacheService : ICacheService
{
private readonly IDistributedCache _cache;
public Task SetStringAsync(string key, string value, CancellationToken ct)
{
return _cache.SetStringAsync(key, value, ct);
}
}
然后在测试中可以轻松验证ICacheService的调用。
最佳实践
- 了解NSubstitute的限制:它只能拦截虚拟成员、接口成员和抽象成员
- 对于扩展方法,要么验证其底层调用,要么将其封装
- 使用分析器帮助检测潜在问题
- 考虑将常用扩展方法封装到服务中以提高可测试性
记住,单元测试的目标是验证代码的行为,而不是具体的实现细节。有时验证底层调用可能比验证扩展方法更能反映代码的真实行为。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
178
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++
640
249
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
244
86
暂无简介
Dart
608
136
React Native鸿蒙化仓库
JavaScript
239
311
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
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
364
3.03 K