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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108