Codeception 技术文档
2024-12-25 12:38:06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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
304
2.65 K
Ascend Extension for PyTorch
Python
131
157
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
1.02 K
458
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++
610
198
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.46 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
206