解决Apiato项目中PHP CS Fixer无法正确排除下划线开头文件的问题
2025-06-26 10:54:22作者:魏侃纯Zoe
问题背景
在Apiato项目中使用PHP CS Fixer进行代码风格检查时,发现一个关于文件排除规则的配置问题。项目需要排除以下划线(_)开头的文件(如_404.v1.public.php),但现有的配置方式无法正常工作。
技术分析
PHP CS Fixer的notName()方法在设计上有一个限制:当多次调用时,实际上只有最后一次调用会生效。这是因为每次调用notName()都会覆盖之前的排除规则,而不是追加新的规则。
在Apiato项目中,原本的配置尝试通过两次调用notName()来排除两种不同模式的文件:
- 排除以下划线开头的文件
- 排除特定扩展名的文件
这种配置方式导致只有第二种排除规则生效,而以下划线开头的文件仍然会被检查。
解决方案
正确的做法是将所有需要排除的模式合并到一个notName()调用中,使用正则表达式的"或"操作符(|)来组合多个排除条件。具体实现如下:
->notName([
'/^_/', // 排除以下划线开头的文件
'*.blade.php', // 排除Blade模板文件
'*.js', // 排除JavaScript文件
'*.html', // 排除HTML文件
'*.json', // 排除JSON文件
'*.xml', // 排除XML文件
'*.vue', // 排除Vue组件文件
'*.md', // 排除Markdown文件
])
实际应用
在Apiato项目中,这种配置方式特别重要,因为项目遵循特定的API文档生成规范,以下划线开头的文件通常用于存放API文档的元数据定义(如@apiDefine注释块)。这些文件不需要进行代码风格检查,因为它们包含的是文档注释而非实际代码。
最佳实践建议
- 单一调用原则:对于文件排除规则,尽量在一个
notName()调用中完成所有配置 - 正则表达式使用:对于复杂的排除模式,可以使用正则表达式来精确匹配
- 测试验证:配置完成后,使用
--dry-run参数测试规则是否按预期工作 - 文档说明:在项目文档中明确说明哪些文件会被排除及其原因
总结
通过优化PHP CS Fixer的配置方式,Apiato项目现在能够正确排除以下划线开头的特殊文件,同时保持对其他类型文件的代码风格检查。这种改进不仅解决了当前的问题,也为项目未来的扩展提供了更灵活的配置基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218