PHPStan Bodyscan 使用教程
2025-04-21 22:42:21作者:董灵辛Dennis
1. 项目介绍
PHPStan Bodyscan 是一个开源工具,用于分析 PHP 项目代码质量,并提供每个 PHPStan 级别的错误计数。通过该工具,开发者可以快速了解项目的代码质量,并决定最适合项目的 PHPStan 级别。
2. 项目快速启动
首先,确保您的环境中已经安装了 Composer。
安装
在项目根目录下运行以下命令:
composer require tomasvotruba/phpstan-bodyscan --dev
使用
安装完成后,执行以下命令以运行工具:
vendor/bin/phpstan-bodyscan
该命令将执行完整的 PHPStan 分析,可能会花费一些时间。分析完成后,它会显示每个级别的错误计数。
如果您需要限制分析级别,可以使用以下命令:
vendor/bin/phpstan-bodyscan run --min-level 0 --max-level 3
如果您想以 JSON 格式输出错误计数,可以使用:
vendor/bin/phpstan-bodyscan --json
3. 应用案例和最佳实践
应用案例
- 评估新接手项目的代码质量。
- 在项目开发周期中,监控代码质量的变化。
- 在代码重构前后,对比错误计数,评估重构效果。
最佳实践
- 定期运行 PHPStan Bodyscan,以监控代码质量。
- 根据错误计数,逐步提升 PHPStan 分析级别,以达到更高的代码质量标准。
- 利用
--json输出,将结果集成到自动化测试流程中。
4. 典型生态项目
PHPStan Bodyscan 可以与以下生态项目配合使用,以提高 PHP 项目开发效率:
通过整合这些工具,可以构建一个强大的 PHP 开发和测试环境。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0203- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
607
4.05 K
🔥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
69
21
暂无简介
Dart
849
205
🎉 (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
1.47 K
829
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
12
1
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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++
924
772
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
235
152
昇腾LLM分布式训练框架
Python
131
157