Proxyquireify 使用教程
2024-08-31 17:42:10作者:秋泉律Samson
项目介绍
Proxyquireify 是一个专为 Browserify 设计的工具,它允许在浏览器环境中轻松进行模块依赖模拟。通过代理 Browserify 的 require 函数,Proxyquireify 使得在测试过程中替换指定的模块依赖变得简单,无需修改源代码。该工具支持所有能够处理函数模拟的测试框架,并且兼容 ES6 模块语法,完全遵循严格模式。
项目快速启动
安装
首先,通过 npm 安装 Proxyquireify:
npm install proxyquireify
使用
在你的构建脚本中引入并注册为 Browserify 插件:
var browserify = require('browserify');
var proxyquire = require('proxyquireify');
browserify()
.plugin(proxyquire.plugin)
.require(require.resolve('./test/foo.test.js'), { entry: true })
.bundle()
.pipe(fs.createWriteStream(__dirname + '/bundle.js'));
应用案例和最佳实践
模块隔离测试
假设你有一个名为 foo.js 的模块,其中依赖于 /bar 模块。在测试 foo.js 时,你可能希望替换 bar 以模拟不同的行为。Proxyquireify 可以做到这一点:
var proxyquire = require('proxyquireify')(require);
var foo = proxyquire('./foo', {
'./bar': {
someFunction: function() {
return 'mocked result';
}
}
});
// 现在 foo 模块中的 bar 依赖已经被替换为模拟的实现
多环境测试一致性
借助 Proxyquireify 与 proxyquire-universal,你可以确保同一套测试代码在 Node.js 和浏览器环境下都能正常工作。
典型生态项目
Browserify
Proxyquireify 是专为 Browserify 设计的,因此与 Browserify 生态紧密结合。Browserify 是一个用于将 Node.js 模块打包到浏览器中的工具,Proxyquireify 使得在浏览器环境中进行模块依赖模拟变得轻而易举。
Mocha
Mocha 是一个功能丰富的 JavaScript 测试框架,支持异步测试,并且与 Proxyquireify 兼容。你可以使用 Mocha 结合 Proxyquireify 进行模块依赖的模拟和测试。
var proxyquire = require('proxyquireify')(require);
var assert = require('assert');
describe('foo module', function() {
it('should return mocked result', function() {
var foo = proxyquire('./foo', {
'./bar': {
someFunction: function() {
return 'mocked result';
}
}
});
assert.equal(foo.someFunction(), 'mocked result');
});
});
通过以上步骤,你可以在浏览器环境中愉快地测试你的代码,提高测试覆盖率和质量。
登录后查看全文
热门项目推荐
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218