JUnit Interface 技术文档
2024-12-23 16:24:20作者:明树来
1. 安装指南
依赖添加
要在 sbt 项目中使用 JUnit Interface,首先需要在 build.sbt 文件中添加以下依赖:
libraryDependencies += "com.github.sbt" % "junit-interface" % "0.13.2" % Test
注意:从版本 0.12 开始,组织名称已更改为 "com.github.sbt"。
JUnit 本身会作为传递依赖自动引入。
版本对应关系
| junit-interface 版本 | JUnit 版本 |
|---|---|
| 0.13.2 | 4.13.2 |
| 0.13.1 | 4.13.1 |
| 0.13 | 4.13 |
| 0.12 | 4.12 |
sbt 已经内置了对 junit-interface 的支持,因此只需添加依赖即可,无需将其添加到测试框架列表中。
2. 项目的使用说明
运行测试
在 sbt shell 中,可以通过以下命令运行 JUnit 测试:
> test
增量测试
要增量运行测试,并且只运行上次运行失败的测试,可以使用 testQuick 命令:
> testQuick
运行特定测试套件
要运行特定的测试套件,可以使用 testOnly 命令,并指定类名或使用通配符:
> testOnly example.HelloTest
或者使用通配符:
> testOnly *.HelloTest
运行特定测试方法
要运行特定测试方法,可以在 testOnly 命令后添加 -- 并指定测试方法名:
> testOnly -- example.HelloTest.testSuccess1
也可以使用通配符:
> testOnly -- *.HelloTest.testI*
详细输出
要获取详细的测试输出,可以使用 -v 选项:
> testOnly -- -v
3. 项目API使用文档
支持的选项
以下是 JUnit 测试支持的选项及其描述:
| 选项 | 描述 |
|---|---|
-v |
等同于 --verbosity=2 |
-q |
抑制成功测试的标准输出,标准错误输出正常打印。 |
-n |
即使 sbt 支持 ANSI 颜色,也不使用 ANSI 颜色。 |
-s |
尝试解码堆栈跟踪和测试名称中的 Scala 名称。 |
-a |
显示 AssertionErrors 的堆栈跟踪和异常类名。 |
-c |
不打印异常类名前缀,仅显示 getMessage() 的结果和堆栈跟踪。 |
+v |
等同于 --verbosity=0 |
+q |
关闭 -q,优先于 -q。 |
+n |
关闭 -n,优先于 -n。 |
+s |
关闭 -s,优先于 -s。 |
+a |
关闭 -a,优先于 -a。 |
+c |
关闭 -c,优先于 -c。 |
--ignore-runners=<COMMA-SEPARATED-STRINGS> |
忽略带有 @RunWith 注解的测试,如果 Runner 类名在此列表中。 |
--tests=<REGEXPS> |
仅运行名称匹配指定正则表达式的测试。 |
-Dkey=value |
临时设置系统属性,测试结束后恢复原值。 |
--run-listener=<CLASS_NAME> |
用户定义的类,扩展 org.junit.runner.notification.RunListener。 |
--include-categories=<CLASSES> |
包含的类别类名列表,仅运行这些类别的测试。 |
--exclude-categories=<CLASSES> |
排除的类别类名列表,不运行这些类别的测试。 |
--verbosity=<INT> |
设置详细级别,0 为默认,1 为 "Test run finished",2 为更多信息。 |
--summary=<INT> |
设置测试任务执行的摘要类型,0 为默认,1 为单行,2 为包含失败测试列表。 |
设置默认选项
可以在 build.sbt 文件中设置默认选项:
testOptions += Tests.Argument(TestFrameworks.JUnit, "-q", "-v")
4. 项目安装方式
通过 sbt 安装
-
在
build.sbt文件中添加依赖:libraryDependencies += "com.github.sbt" % "junit-interface" % "0.13.2" % Test -
在 sbt shell 中运行
reload命令以加载新的依赖。 -
使用
test或testOnly命令运行 JUnit 测试。
通过插件安装(可选)
如果需要更高级的功能,可以考虑使用 sbt-jupiter-interface 插件来支持 JUnit 5。
通过以上步骤,您可以顺利地在 sbt 项目中使用 JUnit Interface 进行测试。
登录后查看全文
热门项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146