Cucumber JVM 技术文档
1. 安装指南
1.1 Maven 安装
Cucumber-JVM 可以通过 Maven 进行安装。首先,在你的 pom.xml 文件中添加以下依赖:
<dependency>
<groupId>io.cucumber</groupId>
<artifactId>cucumber-java</artifactId>
<version>最新版本</version>
</dependency>
请将 最新版本 替换为 Maven Central 上提供的最新版本号。
1.2 Gradle 安装
如果你使用 Gradle,可以在 build.gradle 文件中添加以下依赖:
dependencies {
testImplementation 'io.cucumber:cucumber-java:最新版本'
}
同样,请将 最新版本 替换为最新的版本号。
2. 项目的使用说明
2.1 创建 Feature 文件
Cucumber 使用 Gherkin 语言来描述测试场景。你可以在项目中创建一个 .feature 文件,例如 example.feature,并在其中编写测试场景。
Feature: 示例功能
Scenario: 示例场景
Given 我有一个预置条件
When 我执行某个动作
Then 我应该看到某个结果
2.2 编写 Step Definitions
在 Java 中,你需要为每个 Gherkin 步骤编写对应的实现。创建一个 Java 类,例如 ExampleSteps.java,并在其中实现步骤定义。
import io.cucumber.java.en.Given;
import io.cucumber.java.en.When;
import io.cucumber.java.en.Then;
public class ExampleSteps {
@Given("我有一个预置条件")
public void i_have_a_precondition() {
// 实现预置条件
}
@When("我执行某个动作")
public void i_perform_an_action() {
// 实现动作
}
@Then("我应该看到某个结果")
public void i_should_see_a_result() {
// 验证结果
}
}
2.3 运行 Cucumber 测试
你可以使用 Maven 或 Gradle 运行 Cucumber 测试。在命令行中执行以下命令:
mvn test
或
gradle test
3. 项目 API 使用文档
3.1 运行 Cucumber
Cucumber-JVM 提供了多种运行 Cucumber 测试的方式。你可以通过命令行、IDE 插件或构建工具来运行测试。
3.1.1 命令行运行
你可以使用 cucumber-jvm 提供的命令行工具来运行测试:
java -cp "target/classes:target/test-classes:lib/*" io.cucumber.core.cli.Main
3.1.2 使用 JUnit 运行
你也可以通过 JUnit 来运行 Cucumber 测试。创建一个 JUnit 测试类,例如 RunCucumberTest.java:
import io.cucumber.junit.Cucumber;
import io.cucumber.junit.CucumberOptions;
import org.junit.runner.RunWith;
@RunWith(Cucumber.class)
@CucumberOptions(plugin = {"pretty"})
public class RunCucumberTest {
}
3.2 依赖注入
Cucumber-JVM 支持多种依赖注入容器,如 PicoContainer、Spring、Guice 等。你可以在步骤定义中注入依赖。
import io.cucumber.java.en.Given;
import io.cucumber.java.en.When;
import io.cucumber.java.en.Then;
import javax.inject.Inject;
public class ExampleSteps {
private final Dependency dependency;
@Inject
public ExampleSteps(Dependency dependency) {
this.dependency = dependency;
}
@Given("我有一个预置条件")
public void i_have_a_precondition() {
dependency.setup();
}
@When("我执行某个动作")
public void i_perform_an_action() {
dependency.performAction();
}
@Then("我应该看到某个结果")
public void i_should_see_a_result() {
dependency.verifyResult();
}
}
4. 项目安装方式
4.1 通过 Maven 安装
如前所述,你可以通过在 pom.xml 中添加依赖来安装 Cucumber-JVM。
4.2 通过 Gradle 安装
同样,你也可以通过在 build.gradle 中添加依赖来安装 Cucumber-JVM。
4.3 手动下载 JAR 文件
你也可以从 Maven Central 手动下载 JAR 文件,并将其添加到你的项目中。
通过以上步骤,你应该能够成功安装并使用 Cucumber-JVM 进行行为驱动开发(BDD)测试。如果有任何问题,请参考项目的 GitHub Issue Tracker 或社区支持渠道。
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