SwiftFormat 中 await 关键字与 swift-testing 库的格式问题解析
2025-05-28 10:15:01作者:殷蕙予
SwiftFormat 是 Swift 代码格式化工具中的佼佼者,但在处理某些特定语法结构时仍会遇到边缘情况。本文将深入分析一个与 Apple 新测试框架 swift-testing 相关的格式化问题,特别是 await 关键字在测试断言中的位置问题。
问题现象
当开发者在使用 swift-testing 框架编写异步测试时,常见的断言语句格式如下:
#expect(await monitor.isAvailable == false)
然而,使用 SwiftFormat v0.53.8 版本格式化后,代码会变成:
#expect await (monitor.isAvailable == false)
这种格式化结果不仅不符合代码习惯,还可能影响代码的可读性。await 关键字被错误地从括号内移动到了括号前,改变了代码的语义表达。
技术背景
这个问题涉及几个关键技术点:
- swift-testing 框架:Apple 推出的新一代测试框架,预计从 Xcode 16 开始内置支持
- await 关键字:Swift 并发模型中的关键语法,用于标记异步操作
- 宏表达式:
#expect是 swift-testing 提供的测试断言宏
在 Swift 并发编程中,await 关键字的正确位置对于代码的可读性和正确性至关重要。它应该紧邻实际的异步操作,而不是被分离到表达式之外。
解决方案
对于遇到此问题的开发者,目前有两种解决方案:
-
临时解决方案:在 SwiftFormat 配置文件中添加
--disable hoistAwait选项,这会禁止格式化工具移动 await 关键字的位置 -
永久解决方案:升级到 SwiftFormat v0.54.0 或更高版本,该版本已修复此特定问题
最佳实践建议
在处理类似的新语法特性时,建议开发者:
- 保持 SwiftFormat 工具的最新版本,以获取最新的语法支持
- 对于关键项目,在全面应用格式化规则前,先在小范围测试格式化效果
- 了解 SwiftFormat 提供的各种禁用选项,在必要时可以针对特定规则进行禁用
总结
代码格式化工具虽然强大,但在面对语言新特性时偶尔会出现边缘情况。这个 await 关键字的格式化问题展示了工具与语言演进之间的微妙关系。通过理解问题本质和掌握解决方案,开发者可以更好地平衡代码规范与功能正确性之间的关系。
随着 Swift 语言的持续发展,类似的工具适配问题可能会不时出现。保持工具更新和深入理解格式化规则,是每个重视代码质量的开发者的必修课。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137