Truthish:Kotlin 多平台单元测试库指南
2024-09-12 06:54:29作者:蔡怀权
项目介绍
Truthish 是一个受 Google Truth 启发并完全使用 Kotlin 重写的多平台单元测试库。它旨在允许开发者在 Kotlin 的多平台项目中享受流畅的断言风格进行测试。该库通过提供易于阅读且产生清晰错误信息的断言方式,增强测试代码的可读性和调试效率。
项目快速启动
要开始使用 Truthish,在您的 Kotlin 多平台项目中添加以下依赖至 build.gradle.kts 文件:
repositories {
mavenCentral()
}
kotlin {
jvm()
js(IR).browser()
// 根据你的需求添加其他平台支持
}
sourceSets["commonMain"].dependencies {
implementation("com.varabyte.truthish:truthish:1.0.1")
implementation(kotlin("test"))
}
然后,在你的测试文件中,你可以像这样写断言:
import com.varabyte.truthish.*
@Test
fun testExample() {
assertThat(2 + 2).isEqualTo(4)
assertThat(listOf(1, 2, 3)).containsExactlyInAnyOrder(1, 2, 3)
}
确保配置对应的测试运行器以执行这些测试。
应用案例和最佳实践
流畅断言体验
Truthish 提供的断言方法使得测试逻辑更贴近自然语言,如下面的示例展示的是如何验证一个列表是否按预期排序:
@Test
fun testSortedList() {
val numbers = listOf(1, 2, 3, 4, 5)
assertThat(numbers).isSorted()
}
自定义错误消息
为了提高测试结果的可读性,推荐使用 assertWithMessage 来附加有意义的上下文信息:
@Test
fun testCustomErrorMessage() {
val numbers = listOf(1, 3, 2)
assertWithMessage("Numbers list should be sorted.")
.that(numbers).isSorted()
}
典型生态项目集成
虽然 Truthish 主要作为测试辅助工具,并不直接与其他特定生态项目集成,但它可以在任何使用Kotlin的多平台项目中无缝工作,无论是配合Ktor构建服务端应用,还是在Android开发中作为单元测试框架的一部分。它的设计保证了与Kotlin的原生兼容性,因此容易融入到基于Kotlin的持续集成(CI)流程中,比如Jenkins或GitHub Actions中的Gradle构建任务。
记得在实施到具体项目时,利用其提供的丰富API来构建健壮的测试套件,并关注库的更新日志以获取新功能和改进。
以上就是关于Truthish的基本使用教程,通过这个强大而简洁的库,您可以大幅提升Kotlin多平台项目中单元测试的质量和维护性。
登录后查看全文
热门项目推荐
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。C036
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
最新内容推荐
基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
344
Ascend Extension for PyTorch
Python
235
268
暂无简介
Dart
686
161
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
openEuler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。
C
62
33
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
669