Expecta 技术文档
2024-12-24 09:39:38作者:凌朦慧Richard
1. 安装指南
Expecta 可以通过以下几种方式安装:
使用 CocoaPods
- 在项目的 
Podfile中添加以下内容: 
target :MyApp do
  # 其他应用依赖
  target :MyAppTests do
    inherit! search_paths
    pod 'Expecta', '~> 1.0'
  end
end
- 运行 
pod update或pod install在项目目录下。 
使用 Carthage
- 在项目的 
Cartfile.private中添加以下内容: 
github "specta/expecta" "master"
- 运行 
carthage update在项目目录下。 - 将对应的 
Expecta.framework从Carthage/Build/拖入到 Xcode 项目中,并添加到测试目标(test target)。 
手动安装
- 
从 GitHub 上克隆 Expecta。
 - 
在项目目录下运行
rake来构建框架和库。 - 
如果项目尚未设置,向 Xcode 项目中添加一个 Cocoa 或 Cocoa Touch 单元测试包目标。
 - 
对于 OS X 项目,将
Products/osx文件夹中的Expecta.framework拷贝并添加到项目的测试目标。对于 iOS 项目,将
Products/ios文件夹中的Expecta.framework拷贝并添加到项目的测试目标。如果偏好使用静态库,可以选择使用
libExpecta.a— iOS 7.x 及以下版本需要这样做。 - 
在 Xcode 的测试目标中,添加
-ObjC和-all_load到 其他链接器标志(Other Linker Flags)。 
2. 项目的使用说明
Expecta 是一个用于 Objective-C 和 Cocoa 的匹配器框架。它的主要优势是不需要指定数据类型,并且其匹配器的语法更加易读,不会出现括号过多的情况。
以下是一些基本使用示例:
expect(@"foo").to.equal(@"foo");
expect(foo).notTo.equal(1);
expect([bar isBar]).to.equal(YES);
expect(baz).to.equal(3.14159);
Expecta 与框架无关,可以很好地与 XCTest 和其他兼容 XCTest 的测试框架(如 Specta、Kiwi)一起工作。
3. 项目API使用文档
Expecta 提供了多种匹配器用于测试,以下是一些常用的匹配器:
expect(x).to.equal(y);检查对象或原始值 x 和 y 是否相等或等效。expect(x).to.beIdenticalTo(y);检查对象 x 和 y 是否完全相同(包括内存地址)。expect(x).to.beNil();如果 x 为 nil 则通过。expect(x).to.beTruthy();如果 x 计算为 true(非零)则通过。expect(x).to.beFalsy();如果 x 计算为 false(零)则通过。expect(x).to.contain(y);如果 NSArray 或 NSString x 包含 y 则通过。expect(x).to.beSupersetOf(y);如果 NSArray、NSSet、NSDictionary 或 NSOrderedSet x 包含 y 的所有元素则通过。expect(x).to.haveCountOf(y);如果 NSArray、NSSet、NSDictionary 或 NSString x 的计数或长度为 y 则通过。expect(x).to.beEmpty();如果 NSArray、NSSet、NSDictionary 或 NSString x 为空则通过。
等等,更多匹配器请参考项目的 README 文件。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详细说明,可通过 CocoaPods、Carthage 或手动安装来设置 Expecta。
以上内容为 Expecta 的技术文档,希望能帮助您更好地了解和使用该项目。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。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
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
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++
599
164
暂无简介
Dart
568
127
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
261
24
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
119
103
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
447