使用 Mock 进行单元测试的正确姿势

使用 mock 进行单元测试的正确姿势

本文旨在帮助初学者理解如何在单元测试中使用 Mock,特别是针对涉及第三方 API 调用和文件写入的场景。通过 WireMock 示例,展示了如何模拟不同响应码和响应体,以及如何验证请求头和 URL,从而编写更有效的单元测试。

单元测试中的 Mock 策略

在编写单元测试时,一个常见的挑战是如何处理外部依赖,例如第三方 API 调用或文件系统操作。直接依赖这些外部系统会导致测试不稳定、耗时,并且难以控制各种边界情况。这时,Mock 技术就显得尤为重要。

关键在于隔离被测单元。单元测试的目的是验证代码中的一个特定单元(例如一个方法或一个类)的行为是否符合预期。为了实现这一点,我们需要隔离这个单元,使其不受外部因素的影响。Mock 允许我们用可控的替代品替换这些外部依赖,从而实现隔离。

模拟 API 调用:WireMock 示例

对于涉及第三方 API 调用的方法,例如以下代码:

public Object getAirQualityIndex(int id) {    try {        String stationInfoUrl = aqIndexUrlPattern.replace("{id}", String.valueOf(id));        HttpRequest stationRequest = HttpRequest.newBuilder()                .uri(URI.create(stationInfoUrl))                .GET()                .build();        HttpResponse stationResponse = HttpClient.newBuilder()                .build()                .send(stationRequest, HttpResponse.BodyHandlers.ofString());        if (stationResponse.statusCode() != 200) {            throw new RuntimeException("Air Quality Index is currently unavailable, " +                    "status code " + stationResponse.statusCode());        }        return new ObjectMapper().readValue(stationResponse.body(), new TypeReference() {});    } catch (Exception e) {        throw new RuntimeException("failed to get station measures information", e);    }}

使用真正的 API 调用进行测试会带来诸多问题:网络不稳定、API 服务不可用、测试速度慢等等。更好的方法是使用 WireMock 这样的工具来模拟 API 的行为。

WireMock 是一个强大的 HTTP 模拟服务器,可以让你定义模拟的 API 响应,并验证你的代码是否按照预期的方式与 API 交互。

以下是一个使用 WireMock 的示例:

import com.github.tomakehurst.wiremock.WireMockServer;import com.github.tomakehurst.wiremock.client.WireMock;import org.junit.jupiter.api.AfterEach;import org.junit.jupiter.api.BeforeEach;import org.junit.jupiter.api.Test;import java.io.IOException;import java.net.URI;import java.net.http.HttpClient;import java.net.http.HttpRequest;import java.net.http.HttpResponse;import static com.github.tomakehurst.wiremock.client.WireMock.*;import static com.github.tomakehurst.wiremock.core.WireMockConfiguration.options;import static org.junit.jupiter.api.Assertions.assertEquals;public class AirQualityIndexTest {    private WireMockServer wireMockServer;    @BeforeEach    public void setup() {        wireMockServer = new WireMockServer(options().port(8080)); // 选择一个空闲端口        wireMockServer.start();        WireMock.configureFor("localhost", 8080);    }    @AfterEach    public void teardown() {        wireMockServer.stop();    }    @Test    public void testGetAirQualityIndex_Success() throws IOException, InterruptedException {        // 定义 WireMock 模拟的 API 响应        stubFor(get(urlEqualTo("/airquality/123"))                .willReturn(aResponse()                        .withStatus(200)                        .withHeader("Content-Type", "application/json")                        .withBody("{"aqi": 50}")));        // 创建一个 HttpClient 并调用 API        HttpClient client = HttpClient.newHttpClient();        HttpRequest request = HttpRequest.newBuilder()                .uri(URI.create("http://localhost:8080/airquality/123"))                .build();        HttpResponse response = client.send(request, HttpResponse.BodyHandlers.ofString());        // 断言响应状态码和响应体        assertEquals(200, response.statusCode());        assertEquals("{"aqi": 50}", response.body());        // 验证 API 是否被调用过        verify(getRequestedFor(urlEqualTo("/airquality/123")));    }    @Test    public void testGetAirQualityIndex_ServerError() throws IOException, InterruptedException {        // 定义 WireMock 模拟的 API 响应 (服务器错误)        stubFor(get(urlEqualTo("/airquality/123"))                .willReturn(aResponse()                        .withStatus(500)));        // 创建一个 HttpClient 并调用 API        HttpClient client = HttpClient.newHttpClient();        HttpRequest request = HttpRequest.newBuilder()                .uri(URI.create("http://localhost:8080/airquality/123"))                .build();        HttpResponse response = client.send(request, HttpResponse.BodyHandlers.ofString());        // 断言响应状态码        assertEquals(500, response.statusCode());    }}

在这个例子中,我们首先启动了一个 WireMock 服务器,并定义了两个模拟的 API 响应:一个成功的响应 (状态码 200) 和一个服务器错误的响应 (状态码 500)。然后,我们使用 HttpClient 调用 API,并断言响应状态码和响应体是否符合预期。最后,我们使用 verify 方法验证 API 是否被调用过。

青柚面试 青柚面试

简单好用的日语面试辅助工具

青柚面试 57 查看详情 青柚面试

通过使用 WireMock,我们可以完全控制 API 的行为,并测试各种边界情况,例如服务器错误、超时等等。

模拟文件写入

对于涉及文件写入的方法,例如:

public void writeAirQualityIndexAsPdf(Object aqIndex, Path destPath) throws IOException {    PdfDocument pdf = new PdfDocument(new PdfWriter(destPath.toFile()));    Document document = new Document(pdf);    String aqIndexYaml = new YAMLMapper()            .writerWithDefaultPrettyPrinter()            .withRootName("AirQualityIndex")            .writeValueAsString(aqIndex);    //replaced spaces with u00A0 to prevent itext7 to trim whitespaces    document.add(new Paragraph(aqIndexYaml.replaceAll(" ", "u00A0")));    document.close();}

我们可以使用 Mockito 等 Mock 框架来模拟 PdfWriter 和 Document 对象,从而避免实际的文件写入。 另一种方法是使用一个临时目录进行测试,然后在测试完成后删除该目录。

以下是一个使用临时目录的示例:

import org.junit.jupiter.api.Test;import org.junit.jupiter.api.io.TempDir;import java.io.IOException;import java.nio.file.Files;import java.nio.file.Path;import static org.junit.jupiter.api.Assertions.assertTrue;public class AirQualityIndexWriterTest {    @Test    public void testWriteAirQualityIndexAsPdf(@TempDir Path tempDir) throws IOException {        // 创建一个临时文件        Path destPath = tempDir.resolve("air_quality_index.pdf");        // 创建一个 AirQualityIndex 对象 (这里假设你已经定义了这个类)        Object aqIndex = new Object(); // 替换为实际的 AirQualityIndex 对象        // 调用 writeAirQualityIndexAsPdf 方法        AirQualityIndexWriter writer = new AirQualityIndexWriter(); // 假设这个类包含 writeAirQualityIndexAsPdf 方法        writer.writeAirQualityIndexAsPdf(aqIndex, destPath);        // 断言文件是否被创建        assertTrue(Files.exists(destPath));        // (可选) 验证文件的内容是否符合预期        // 可以读取文件并进行断言    }}

在这个例子中,我们使用了 JUnit 5 的 @TempDir 注解来创建一个临时目录。这个临时目录会在测试方法执行完毕后自动删除。然后,我们创建了一个临时文件,并调用 writeAirQualityIndexAsPdf 方法将数据写入该文件。最后,我们断言文件是否被创建。

注意事项

不要过度使用 Mock: Mock 的目的是隔离被测单元,而不是替换所有的外部依赖。过度使用 Mock 会导致测试变得脆弱,并且难以维护。只 Mock 那些难以控制或会导致测试不稳定的依赖。关注行为而不是实现: 单元测试应该关注被测单元的行为是否符合预期,而不是关注它的实现细节。这意味着你应该 Mock 那些会影响行为的依赖,而不是那些仅仅是实现细节的依赖。保持测试简洁: 单元测试应该尽可能简洁明了。复杂的测试难以理解和维护。如果你的测试变得过于复杂,那么可能需要重新考虑你的设计。

总结

通过合理使用 Mock 技术,我们可以编写更有效、更可靠的单元测试。WireMock 可以帮助我们模拟 API 调用,Mockito 可以帮助我们模拟对象行为,而临时目录可以帮助我们测试文件系统操作。记住,Mock 的目的是隔离被测单元,关注行为而不是实现,并保持测试简洁。掌握这些原则,你就能编写出高质量的单元测试,提高代码的质量和可维护性。

以上就是使用 Mock 进行单元测试的正确姿势的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/332156.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月5日 14:28:09
下一篇 2025年11月5日 14:29:33

相关推荐

  • python如何优雅地拼接字符串路径_python os.path.join拼接路径的正确方法

    最推荐使用os.path.join()或pathlib模块拼接路径,因它们能自动处理不同操作系统的分隔符差异并规范路径。os.path.join()是传统方法,可智能合并路径片段、避免重复斜杠,并在遇到绝对路径时重新开始拼接;而pathlib自Python 3.4引入,提供面向对象的现代语法,支持用…

    好文分享 2025年12月14日
    000
  • 使用 Tkinter 创建带有颜色映射的条形图

    本文将介绍如何使用 Tkinter 库创建一个自定义的条形图,该图能够根据数据点的状态(例如,成功或失败)在每个条形内部映射不同的颜色。通过 Tkinter 的 Canvas 组件,我们可以灵活地绘制矩形,并根据数据值设置其颜色,从而实现更精细的可视化效果。本文将提供详细的代码示例和解释,帮助读者理…

    2025年12月14日
    000
  • python中如何自定义一个异常类?

    自定义异常类需继承Exception,可添加属性和方法以提供详细上下文信息。如InsufficientFundsError携带金额数据并重写__str__,提升错误可读性与处理精度。通过创建基类异常(如MyAppError)构建层次化结构,集中管理于exceptions.py,实现细粒度捕获与统一处…

    2025年12月14日
    000
  • Python 3.x 与 2.x 的差异与兼容性问题

    Python 3与2.x主要差异包括:1. print变为函数;2. 字符串默认Unicode,bytes分离;3. 除法返回浮点数;4. 模块重命名如urllib2拆分;5. 兼容建议用__future__导入和six库。 Python 3.x 与 2.x 存在显著差异,这些变化旨在提升语言的清晰…

    2025年12月14日
    000
  • python中__str__和__repr__方法有什么区别?

    __str__用于生成人类可读的字符串,适合展示给用户;__repr__则生成明确无歧义的开发者用字符串,理想情况下可重构对象。两者分工明确,建议优先定义__repr__以保障调试信息完整,再根据需要定义__str__提供友好显示。若只选其一,应优先实现__repr__。 在Python里, __s…

    2025年12月14日
    000
  • Snakemake规则在Slurm模式下Python输出实时显示与最佳实践

    在Snakemake的Slurm模式下,Python脚本的实时输出(如print()语句)可能因标准输出缓冲而延迟显示。本文将探讨导致此问题的原因,提供通过刷新标准输出来即时解决的方法,并重点介绍更深层次的Snakemake规则重构最佳实践,包括细化规则粒度、避免内部循环、优化输入/输出处理以及利用…

    2025年12月14日
    000
  • 如何解决 pip 安装库过慢的问题

    更换国内镜像源可显著提升pip安装速度,推荐使用清华、阿里云等镜像,通过临时-i参数或永久配置pip.ini/pip.conf实现,Linux/macOS还可设置别名;同时升级pip并启用缓存机制,必要时配置代理,综合运用使库安装更高效。 使用 pip 安装 Python 库时速度慢,通常是因为默认…

    2025年12月14日
    000
  • 高效对比Pandas DataFrame并提取差异数据

    本文详细介绍了如何利用Pandas库的DataFrame.compare()方法,高效地对比两个结构相似的DataFrame,并精确地提取出所有存在差异的行和列。教程将演示如何通过设置索引、调用compare()函数及后续的数据清洗步骤,最终生成一个仅包含差异数据及关键标识列的DataFrame,从…

    2025年12月14日
    000
  • python如何读取一个txt文件_python读写TXT文件的基本操作

    Python读写TXT文件需用open()函数配合with语句确保安全,读取可用read()、readline()或readlines(),写入用write()或writelines(),并指定编码防乱码。 Python读取TXT文件,核心在于使用内置的 open() 函数来打开文件,然后根据需求选…

    2025年12月14日
    000
  • python如何从网页上下载图片_python爬虫下载网页图片实战方法

    答案:用Python下载网页图片需三步:获取网页内容、解析提取图片链接、下载保存。先用requests加headers获取HTML,再用BeautifulSoup解析img标签,处理相对路径,最后通过requests获取二进制数据并保存文件。 用Python从网页上下载图片,说白了,这事儿的核心逻辑…

    2025年12月14日
    000
  • Pandas DataFrame差异提取:仅保留差异行与列的教程

    本教程详细阐述如何在Pandas中比较两个DataFrame,并高效地提取仅包含差异值所在的行和列。我们将利用DataFrame.compare方法,结合索引设置和后处理步骤,精确地识别并展示两个数据集中所有不同之处,同时保留关键的维度列,从而实现数据差异的精准分析与可视化。 1. 引言与问题背景 …

    2025年12月14日
    000
  • Python 向量化计算 vs Python 循环

    向量化计算利用NumPy等库对数组整体操作,比Python循环更快。它通过C/Fortran底层优化、减少解释器开销、利用SIMD指令和连续内存访问提升性能。例如数组相加或sqrt运算,向量化比for循环高效得多。适用于算术、三角函数、比较和聚合操作。复杂逻辑或依赖前值的场景(如斐波那契数列)仍需循…

    2025年12月14日 好文分享
    000
  • Python数据可视化:使用Tkinter绘制逐项着色的时间序列状态图

    本文旨在指导读者如何利用Python的Tkinter库,实现对时间序列数据中每个独立事件状态的精细化可视化。区别于传统绘图库对数据进行聚合统计后展示的方式,本教程侧重于通过自定义图形元素,为每个数据点(如成功或失败的检查)分配特定的颜色,从而直观地展现其状态,提供更细致、更具洞察力的时间序列状态概览…

    2025年12月14日
    000
  • Django 的异常处理体系解析

    Django通过多层次机制处理异常,从Python原生try-except到框架级异常、中间件拦截及自定义错误页面。首先需关闭DEBUG模式,创建404.html和500.html模板,并在urls.py中配置handler404和handler500指向自定义视图函数,以提升用户体验与安全性。中间…

    2025年12月14日
    000
  • Pandas DataFrame 高效比较:仅保留差异行与列的教程

    本教程详细介绍了如何使用Pandas的compare方法高效地比较两个DataFrame,并仅提取出存在差异的行和列,同时保留指定的维度列。通过将维度列设为索引,compare方法能够识别数值变更,并通过后续处理生成一个简洁明了的差异报告,极大地简化了数据对比和变更追踪的过程。 在数据分析和处理中,…

    2025年12月14日
    000
  • python中字符串的encode()和decode()怎么用?

    Python中字符串的encode()和decode()方法用于在文本(str)与二进制数据(bytes)间转换,encode()将字符串按指定编码(如utf-8)转为字节串,decode()将字节串还原为字符串,需确保编解码格式一致,否则会引发UnicodeEncodeError或UnicodeD…

    2025年12月14日
    000
  • Matplotlib与Tkinter:实现精细化状态映射的自定义条形图

    本文探讨了在数据可视化中,如何突破传统Matplotlib堆叠条形图的局限,实现对数据中每个独立状态单元进行颜色映射的自定义图形。针对需要将每个检查结果(如成功或失败)以独立色块形式展示的需求,文章提出并详细阐述了使用Tkinter画布进行精细化绘图的解决方案,包括数据处理、图形元素绘制、布局调整及…

    2025年12月14日
    000
  • python中怎么用numpy进行矩阵运算?

    NumPy的ndarray因内存连续、类型一致、底层C实现及丰富函数库,在性能、功能和生态上全面优于Python嵌套列表,成为科学计算首选。 NumPy是Python进行高效矩阵运算的基石,它通过其核心的 ndarray 对象,为我们提供了处理多维数组和矩阵的强大能力,让原本复杂、耗时的数值计算变得…

    2025年12月14日
    000
  • pip 与 pip3 的区别与使用场景

    pip可能指向Python 2或3,依赖系统配置;pip3始终指向Python 3。在多版本系统中应使用pip3确保包安装到Python 3环境,避免导入错误。通过pip –version可查看其关联的Python版本。推荐始终使用pip3并配合虚拟环境,以保证环境清晰和项目兼容性。 在…

    2025年12月14日
    000
  • Mac 系统如何配置 Python 环境

    答案:通过Homebrew安装Python 3并配置虚拟环境。先安装Homebrew,再用brew install python获取最新版Python,设置别名使python命令指向python3,使用python3 -m venv创建虚拟环境隔离项目依赖,最后安装jupyter等常用工具完成开发环…

    2025年12月14日
    000

发表回复

登录后才能评论
关注微信