go-junit-report 技术文档
2024-12-29 23:05:27作者:魏献源Searcher
1. 安装指南
从包安装(推荐)
可以在 Releases 页面找到预构建的 Windows、macOS 和 Linux 包。
从源码安装
下载并安装最新稳定版本的源码,运行以下命令:
go install github.com/jstemmer/go-junit-report/v2@latest
2. 项目使用说明
go-junit-report 是一个工具,用于将 go test 输出转换为与 JUnit 兼容的 XML 报告,适合与 Jenkins 等应用程序一起使用。
默认情况下,go-junit-report 从标准库的 testing 包读取 go test -v 输出,并将 JUnit XML 报告写入 stdout。
如果要支持 Go 构建和运行时错误,需要将 stderr 重定向到 go-junit-report。
典型的使用方式如下:
go test -v 2>&1 ./... | go-junit-report -set-exit-code > report.xml
更多示例
go test -json产生的 JSON 格式输出由gojson解析器支持。注意,stderr仍需重定向到go-junit-report以检测构建错误。
go test -json 2>&1 | go-junit-report -parser gojson > report.xml
- Go 的基准测试输出也受支持。以下示例在当前目录中运行基准测试,并使用
-out标志将输出写入名为report.xml的文件。
go test -v -bench . -count 5 2>&1 | go-junit-report -out report.xml
-iocopy标志直接将stdin复制到stdout,这有助于查看发送到go-junit-report的内容。以下示例从名为tests.txt的文件读取测试输入,将输入复制到stdout并将输出写入名为report.xml的文件。
go-junit-report -in tests.txt -iocopy -out report.xml
标志
运行 go-junit-report -help 可查看所有支持的标志。
| 标志 | 描述 |
|---|---|
-in file |
从 file 读取 go test 日志 |
-iocopy |
将输入复制到 stdout;仅与 -out 结合使用 |
-no-xml-header |
不打印 XML 头部 |
-out file |
将 XML 报告写入 file |
-package-name name |
如果输出不包含包名,指定默认包名使用 |
-parser parser |
指定解析器,可用解析器有:gotest (默认),gojson |
-p key=value |
将属性添加到生成的报告;属性应指定为 key=value |
-set-exit-code |
如果测试失败,设置退出码为 1 |
-subtest-mode |
设置子测试模式,模式有:ignore-parent-results,exclude-parents |
-version |
打印版本信息并退出 |
3. 项目API使用文档
项目的测试输出解析器和 JUnit XML 报告生成器也可作为 Go 包使用。这对于想要使用 go test 输出解析器或创建自定义 JUnit 报告的用户非常有用。有关更多信息,请参考 pkg.go.dev 上的包文档:
4. 项目安装方式
请参考上述“安装指南”部分。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609