Behat/Gherkin v4.12.0 版本发布:关键词缓存优化与代码质量提升
项目简介
Behat/Gherkin 是一个用于解析 Gherkin 语言(行为驱动开发BDD中使用的自然语言语法)的PHP库。它作为Behat测试框架的核心组件,负责将人类可读的.feature文件转换为可执行的测试结构。Gherkin语法支持多种语言的关键词定义,使得非技术人员也能参与测试用例的编写。
版本亮点
废弃Gherkin::VERSION常量
在此次v4.12.0版本中,开发团队做出了一个重要变更:废弃了Gherkin::VERSION常量。这一决定反映了现代PHP开发中更推崇使用Composer的运行时API来获取包版本信息的最佳实践。
对于开发者而言,这意味着:
- 不应再依赖Gherkin::VERSION来检查版本
- 需要改用Composer的\PackageVersions\Versions类或其他Composer运行时API
- 该变更也影响了缓存命名空间机制,缓存键的生成方式会有所调整
这一变更有助于减少全局状态的使用,使代码更加符合现代PHP的依赖注入原则。
新增CachedArrayKeywords构造方法
为了解决i18n.php文件路径依赖问题,新版本引入了CachedArrayKeywords::withDefaultKeywords()静态方法。这个改进带来了几个显著优势:
- 解除了对内部文件路径的硬编码依赖
- 提供了更灵活的实例化方式
- 为未来的文件结构调整做好了准备(团队已预告下个版本会有源文件路径变更)
开发者现在可以这样使用:
$keywords = CachedArrayKeywords::withDefaultKeywords();
而不是之前的:
$keywords = new CachedArrayKeywords(__DIR__.'/../../i18n.php');
代码质量改进
v4.12.0版本在代码质量方面做出了多项重要提升:
测试框架升级
项目已将PHPUnit升级到第10版,这带来了:
- 更现代的测试语法
- 更好的类型安全支持
- 改进的测试报告功能
代码静态分析
通过引入PHPStan并达到级别5的严格类型检查,项目现在具有:
- 更完善的类型提示
- 更严格的参数和返回值检查
- 减少了潜在的运行时类型错误
代码风格统一
采用PHP CS Fixer后,项目代码现在具有:
- 一致的代码风格
- 自动化的格式检查
- 符合PSR标准的代码布局
文档清理
团队移除了冗余文件并更新了文档,使得:
- 项目结构更加清晰
- 开发者更容易找到所需信息
- 减少了不必要的维护负担
升级建议
对于现有项目,升级到v4.12.0版本时应注意:
- 检查是否有代码直接使用Gherkin::VERSION,改为使用Composer API
- 考虑重构使用CachedArrayKeywords的代码,采用新的工厂方法
- 确保测试套件兼容PHPUnit 10(如果项目有自己的测试)
- 可以利用新的类型提示改进自己的代码静态分析
这个版本虽然没有引入破坏性变更,但为未来的架构改进奠定了基础,特别是关于i18n文件路径的变更预告值得开发者关注。
总结
Behat/Gherkin v4.12.0是一个以代码质量和未来兼容性为重点的版本。通过废弃过时的版本常量、改进关键词缓存机制、升级测试框架和引入严格的静态分析,项目向着更现代化、更可靠的方向迈进。这些改进不仅提升了库本身的健壮性,也为使用它的开发者提供了更好的类型安全和更清晰的API。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00