Jest测试中稀疏数组与JSON序列化的陷阱
2025-05-02 22:19:53作者:盛欣凯Ernestine
在JavaScript开发中,我们经常需要对数组进行JSON序列化和反序列化操作。然而,当涉及到稀疏数组时,这一过程可能会产生意想不到的结果,特别是在Jest测试环境中。本文将深入探讨这一现象的原因及其解决方案。
稀疏数组的本质
稀疏数组是指包含"空洞"的数组,即某些索引位置未被赋值。在JavaScript中,我们可以通过new Array(length)或直接留空索引来创建稀疏数组。例如:
const sparseArr = new Array(3); // 创建长度为3的空数组
sparseArr[1] = 'value'; // 只给第二个位置赋值
此时,数组的第一个和第三个位置实际上是"空洞",在JavaScript引擎内部有特殊表示。
JSON序列化的转换行为
当对稀疏数组进行JSON.stringify操作时,JavaScript引擎会将所有空洞转换为null值。这是因为JSON格式本身不支持"空洞"的概念。例如:
const str = JSON.stringify(sparseArr); // 结果为'[null,"value",null]'
当使用JSON.parse反序列化时,得到的数组将是一个密集数组,所有原来的空洞位置都被填充为null。
Jest测试中的问题表现
在Jest测试中,直接使用toBe匹配器比较原始稀疏数组和反序列化后的数组会失败,原因有二:
toBe使用严格相等比较,要求两个对象引用相同- 即使内容相同,稀疏数组和密集数组在JavaScript中是不同的数据结构
解决方案
针对这一问题,我们有以下几种解决方案:
-
使用
toEqual而非toBe:expect(JSON.parse(result)).toEqual(arr);但要注意,这仍然会因为
null和空洞的差异而失败 -
规范化数组结构:
function normalizeArray(arr) { return arr.map(item => item === undefined ? null : item); } expect(normalizeArray(arr)).toEqual(JSON.parse(result)); -
自定义序列化逻辑: 如果需要保持稀疏特性,可以实现自定义的序列化方法
最佳实践建议
- 在测试中明确区分稀疏数组和密集数组的预期行为
- 对于需要序列化的场景,考虑预先将数组转换为密集形式
- 在测试文档中注明数组结构的特殊要求
- 使用类型系统(TypeScript)来明确数组的稀疏/密集特性
理解JavaScript中稀疏数组的行为对于编写可靠的测试代码至关重要。通过正确处理数组的序列化和比较,可以避免许多潜在的测试失败和逻辑错误。
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
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
3.02 K