Rubydeps 项目技术文档
1. 安装指南
1.1 安装 Rubydeps
要安装 Rubydeps,您可以使用以下命令:
gem install rubydeps
1.2 支持的 Ruby 版本
Rubydeps 目前仅支持 Ruby 1.9.2 及以上版本。如果您需要支持 Ruby 1.8.x 版本,请安装 0.2.0 版本:
gem install rubydeps -v0.2.0
1.3 依赖项
Rubydeps 依赖以下软件包:
- graphviz
- ruby-graphviz gem
- rcov gem(仅适用于 0.2.0 版本)
2. 项目的使用说明
2.1 基本使用
Rubydeps 是一个用于从测试套件中创建类依赖关系图的工具。它通过运行测试套件来记录项目的调用图,并使用这些信息生成 Graphviz 的 dot 图。
2.2 使用步骤
-
添加 Rubydeps 到 Gemfile:
在您的
Gemfile中添加以下内容,并运行bundle install:gem 'rubydeps', :group => :test -
启动 Rubydeps:
在您的
test/test_helper.rb(或spec_helper.rb、cucumber 的env.rb等)中插入以下代码:Rubydeps.start请注意,这会减慢您的测试速度,因此建议在完成测试后删除该行,或使用环境变量进行条件控制。
-
运行测试:
运行您的测试套件,将在项目根目录下生成一个名为
rubydeps.dump的文件。 -
生成 Graphviz dot 图:
使用生成的
rubydeps.dump文件生成 Graphviz dot 图rubydeps.dot,并指定过滤器:rubydeps --path_filter='app/models' -
转换为图像格式:
使用 Graphviz 的
dot工具将rubydeps.dot文件转换为所需的图像格式,例如:dot -Tsvg rubydeps.dot > rubydeps.svg请注意,有时可能会缺少依赖项,因为图表仅显示通过测试执行的依赖项,因此可以用作项目测试覆盖率的快速概览。
3. 项目 API 使用文档
3.1 命令行选项
-
--path_filter:指定一个正则表达式,匹配您感兴趣分析的文件路径。例如,您可以使用
'project_name/app|project_name/lib'来分析仅位于app和lib目录中的代码,或者使用负正则表达式'project_name(?!.*test)'排除某些目录。 -
--class_name_filter:类似于
--path_filter,但正则表达式匹配类名(即图节点名称)。 -
--from_file:指定测试(或块)运行后生成的 dump 文件,以便在不重新运行测试的情况下尝试不同的过滤器。例如:
rubydeps --from_file='rubydeps.dump' --path_filter='app/models' rubydeps --from_file='rubydeps.dump' --path_filter='app/models|app/controllers'如果未重命名文件,可以跳过此选项,因为它将使用默认的
rubydeps.dump。
3.2 库使用
只需在代码中引入 rubydeps,并将要分析的代码块传递给 analyze 方法:
require 'rubydeps'
Rubydeps.analyze(:path_filter => path_filter_regexp, :class_name_filter => class_name_filter_regexp, :to_file => "rubydeps.dump") do
# 您的代码在这里
end
4. 项目安装方式
4.1 通过 Gem 安装
gem install rubydeps
4.2 通过 Gemfile 安装
在 Gemfile 中添加以下内容:
gem 'rubydeps', :group => :test
然后运行 bundle install。
4.3 支持旧版本 Ruby
如果您需要支持 Ruby 1.8.x 版本,请安装 0.2.0 版本:
gem install rubydeps -v0.2.0
请注意,在 0.2.0 版本中,应使用 dot_for 而不是 analyze,并且缺少 dump 功能。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00