Expecta 技术文档
2024-12-24 22:00:49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
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥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
68
20
🎉 (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
1.37 K
781