Codeception代码覆盖率配置在PHPUnit 11中的变化与解决方案
随着PHPUnit 11的发布,Codeception的代码覆盖率配置方式发生了一些重要变化,特别是关于文件排除(exclude)功能的调整。本文将详细介绍这些变化及其解决方案。
背景与问题
在PHPUnit 11之前,开发者可以通过配置中的exclude选项来排除特定目录或文件不参与代码覆盖率统计。例如,常见的配置是排除vendor目录:
coverage:
enabled: true
exclude:
- vendor/*
然而,在PHPUnit 11中,这种方式会触发警告信息:"coverage: whitelist: exclude option has no effect since PHPUnit 11.0",并且排除功能实际上不再生效。
技术原因
这一变化源于PHPUnit底层库php-code-coverage的重大更新。从PHPUnit 9.3.0开始,官方就弃用了--whitelist参数,推荐使用--coverage-filter替代。到了PHPUnit 11,完全移除了对传统排除机制的支持。
解决方案
Codeception团队已经针对这一问题提供了修复方案。开发者可以通过以下方式解决:
- 明确指定包含和排除的路径,确保路径完全匹配项目结构
- 使用Codeception提供的特殊分支来恢复排除功能
正确的配置示例如下:
coverage:
enabled: true
include:
- www/app/*
exclude:
- www/vendor/*
关键点在于:
- 路径必须完整准确
- 包含和排除路径应该基于项目根目录
- 使用相对路径时要确保与实际目录结构一致
实际应用建议
-
路径准确性:确保排除路径与项目中的实际路径完全匹配。例如,如果vendor目录位于www下,就应该使用
www/vendor/*而非简单的vendor/*。 -
性能考量:虽然现在需要更精确地指定路径,但这种改变实际上有助于提高覆盖率统计的效率,避免不必要的文件扫描。
-
升级过渡:对于从旧版本升级的项目,建议仔细检查所有覆盖率配置,确保它们在新版本中仍然有效。
-
测试验证:修改配置后,应该运行测试并检查生成的覆盖率报告,确认排除功能确实生效。
总结
PHPUnit 11对代码覆盖率机制的调整虽然带来了一些配置上的变化,但这些改变总体上是为了提供更精确和高效的覆盖率统计。通过正确理解和使用新的配置方式,开发者仍然可以灵活控制哪些代码参与覆盖率计算,从而获得准确的测试覆盖率数据。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00