go-junit-report 技术文档
2024-12-29 01:56:27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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219