Codeception 技术文档
2024-12-25 00:03:30作者:魏侃纯Zoe
1. 安装指南
1.1 使用 Composer 安装
Codeception 可以通过 Composer 进行安装。首先,确保你已经安装了 Composer,然后在项目目录下运行以下命令:
php composer.phar require "codeception/codeception"
如果你需要安装特定的模块,例如 phpbrowser 模块,可以运行:
php composer.phar require "codeception/module-phpbrowser"
1.2 使用 Phar 安装
你也可以通过下载 codecept.phar 文件来安装 Codeception。首先,下载文件:
wget https://codeception.com/codecept.phar
然后,将文件设置为可执行文件,并将其移动到系统的 $PATH 中:
chmod +x codecept.phar
sudo mv codecept.phar /usr/local/bin/codecept
安装完成后,你可以通过命令行运行 Codeception,例如:
codecept bootstrap
codecept run
2. 项目的使用说明
2.1 初始化项目
安装完成后,你可以通过以下命令初始化 Codeception 项目:
codecept bootstrap
该命令会创建一个默认的目录结构和测试套件。
2.2 编写测试
Codeception 支持多种测试类型,包括接受测试、功能测试和单元测试。以下是一个简单的接受测试示例:
$I->amOnPage('/');
$I->click('Pages');
$I->click('New');
$I->see('New Page');
$I->submitForm('form#new_page', ['title' => 'Movie Review']);
$I->see('page created'); // 提示信息
$I->see('Movie Review','h1'); // 页面标题
$I->seeInCurrentUrl('pages/movie-review'); // URL 包含 slug
$I->seeInDatabase('pages', ['title' => 'Movie Review']); // 数据库中存在数据
对于单元测试,你可以继续使用经典的 PHPUnit 测试,Codeception 也可以运行这些测试。
2.3 运行测试
你可以通过以下命令运行测试:
codecept run
该命令会运行所有测试套件中的测试。
3. 项目 API 使用文档
Codeception 提供了丰富的 API 来帮助你编写测试。以下是一些常用的 API 示例:
3.1 页面操作
amOnPage('/'):导航到指定页面。click('Link Text'):点击页面上的链接。see('Text'):检查页面是否包含指定文本。
3.2 表单操作
submitForm('form#id', ['field' => 'value']):提交表单。fillField('field', 'value'):填充表单字段。
3.3 数据库操作
seeInDatabase('table', ['field' => 'value']):检查数据库中是否存在指定记录。dontSeeInDatabase('table', ['field' => 'value']):检查数据库中是否不存在指定记录。
4. 项目安装方式
Codeception 提供了两种主要的安装方式:
4.1 使用 Composer 安装
通过 Composer 安装是最常见的方式,适用于大多数 PHP 项目。安装命令如下:
php composer.phar require "codeception/codeception"
4.2 使用 Phar 安装
如果你不想使用 Composer,可以通过下载 codecept.phar 文件来安装 Codeception。安装步骤如下:
- 下载
codecept.phar文件。 - 将文件设置为可执行文件,并将其移动到系统的
$PATH中。 - 通过命令行运行 Codeception。
这两种安装方式都可以让你快速开始使用 Codeception 进行测试。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
492