Stencil项目中__mocks__目录被错误复制的问题解析
2025-05-18 04:40:56作者:钟日瑜
在Stencil项目构建过程中,开发者发现了一个关于Jest mock文件处理的特殊问题。当项目中使用__mocks__目录来存放Jest测试所需的mock文件时,这些目录会被错误地复制到最终的构建输出目录中,导致Jest测试时出现重复mock文件的警告。
问题现象
在Stencil 4.18.0版本中,当开发者在src目录下创建__mocks__子目录并放置mock文件时,这些文件会被原样复制到dist输出目录中。这会导致Jest在运行测试时检测到重复的mock文件定义,并抛出如下警告:
jest-haste-map: duplicate manual mock found: functions
The following files share their name; please delete one of them:
* <rootDir>\src\global\__mocks__\functions.tsx
* <rootDir>\dist\collection\global\__mocks__\functions.js
问题本质
这个问题源于Stencil的构建机制。Stencil默认会将src目录下的所有内容复制到输出目录中,包括测试专用的__mocks__目录。这种行为虽然保证了源代码的完整性,但对于测试专用的mock文件来说却是不必要的,甚至会产生副作用。
技术背景
在Jest测试框架中,__mocks__目录是一个特殊约定:
- 用于存放模块的手动mock实现
- Jest会自动识别和使用这些mock文件
- 通常不应该被包含在生产构建中
Stencil作为一个现代Web组件编译器,其构建流程默认没有特殊处理这个Jest特有的目录结构。
解决方案
虽然Stencil团队将此标记为功能请求,但开发者可以采取以下临时解决方案:
- 调整目录结构:将
__mocks__目录移到src目录之外 - 使用Jest配置:在jest.config.js中明确指定mock文件位置
- 构建后脚本:添加一个构建后步骤删除dist中的
__mocks__目录
最佳实践建议
对于Stencil项目中的测试文件管理,建议:
- 将测试相关文件(包括mock)统一放在项目根目录下的
__mocks__和__tests__目录中 - 避免在组件目录内部放置测试文件
- 考虑使用TypeScript的路径别名来简化mock引用
未来展望
Stencil团队已在4.21.0版本中修复了这个问题。这个修复体现了Stencil对开发者体验的持续改进,也展示了开源项目对社区反馈的积极响应。对于依赖旧版本的项目,理解这个问题本质有助于开发者找到合适的变通方案。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C031
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
426
3.26 K
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++
689
335
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
265
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
65
19
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
25
30