Truthish:Kotlin 多平台单元测试库指南
2024-09-12 09:58:31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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
703
🎉 (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
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
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!
C
1.03 K
460