PHPAT 0.11.2版本发布:强化选择器修饰符功能
PHPAT是一个PHP架构测试工具包,它允许开发者通过编写测试来验证代码架构是否符合预期。该项目提供了一套丰富的断言和选择器,帮助开发者确保代码结构、依赖关系和设计模式等架构层面的质量。
在最新发布的0.11.2版本中,PHPAT重点改进了选择器修饰符功能,为开发者提供了更灵活、更强大的选择器组合方式。选择器修饰符是PHPAT中用于组合和修改选择器行为的工具,它们可以帮助开发者构建更精确的架构验证规则。
新增选择器修饰符
0.11.2版本引入了多个新的选择器修饰符,极大地丰富了选择器的组合能力:
-
AllOf():要求所有指定的选择器条件都必须满足。这与之前版本中的AND()功能类似,但提供了更清晰的语义表达。
-
AnyOf():只要满足任意一个指定的选择器条件即可。这为需要灵活匹配的场景提供了便利。
-
AtLeastCountOf():要求至少满足指定数量的选择器条件。这在需要一定冗余度验证的场景中特别有用。
-
AtMostCountOf():要求最多满足指定数量的选择器条件。这可以用于限制某些特性的使用范围。
-
NoneOf():要求不满足任何指定的选择器条件。这是正向选择的有效补充。
-
OneOf():要求恰好满足一个指定的选择器条件。这在互斥性验证中非常实用。
改进与弃用
除了新增功能外,这个版本还对现有功能进行了优化:
-
选择器修饰符重构:对选择器修饰符进行了重新设计,使其更加一致和易于使用。
-
AND()弃用:由于新增的AllOf()提供了更清晰的语义,原有的AND()修饰符被标记为弃用。开发者应逐步迁移到AllOf(),虽然当前版本中AND()仍可工作,但在未来版本中可能会被移除。
实际应用示例
这些新的选择器修饰符在实际架构测试中有着广泛的应用场景。例如:
// 验证一个类要么实现接口A,要么实现接口B,但不能同时实现两者
assertThat(
classes(),
that()->implement(SomeClass::class)
->should(new OneOf(
new Implement(InterfaceA::class),
new Implement(InterfaceB::class)
))
);
// 确保服务类不直接依赖基础设施层
assertThat(
classes(),
that()->resideInNamespace('App\Services')
->should(new NoneOf(
new DependOn('App\Infrastructure'),
new DependOn('Illuminate\Support\Facades\DB')
))
);
升级建议
对于正在使用PHPAT的项目,建议:
-
检查现有测试中是否使用了AND()修饰符,逐步替换为AllOf()。
-
评估新提供的选择器修饰符是否能够简化现有的复杂断言。
-
利用新的修饰符编写更精确的架构约束,特别是那些之前需要复杂逻辑组合才能表达的规则。
0.11.2版本的这些改进使得PHPAT在表达架构约束方面更加灵活和强大,有助于开发者构建更健壮、更符合设计意图的代码架构。
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111