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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









