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。
kernelopenEuler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。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
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