VerifyTests/Verify 项目中使用 Fixie 测试框架的配置指南
2025-06-25 02:05:08作者:柏廷章Berta
背景介绍
VerifyTests/Verify 是一个流行的 .NET 测试验证库,它提供了强大的快照测试功能。当与 Fixie 测试框架结合使用时,需要进行特定的配置才能正常工作。本文将详细介绍如何正确配置 Verify 与 Fixie 的集成,特别是在 F# 项目中的实现方式。
核心问题
在集成 Verify 和 Fixie 时,开发者可能会遇到"未找到状态"的错误提示,这是因为缺少了必要的配置类。这个配置类需要继承自 VerifyTestProject 并实现特定的接口。
解决方案
基本配置结构
在 F# 项目中,我们需要创建一个测试项目类来实现必要的接口。以下是完整的配置示例:
module Tests.XmlDocFormatterTests
open Fixie
open System
open System.Collections.Generic
open System.Reflection
[<AttributeUsage(AttributeTargets.Method)>]
type TestAttribute() =
inherit Attribute()
type TestModuleDiscovery() =
interface IDiscovery with
member this.TestClasses(concreteClasses: IEnumerable<Type>) =
concreteClasses
|> Seq.filter (fun cls ->
cls.GetMembers() |> Seq.exists (fun m -> m.Has<TestAttribute>())
)
member this.TestMethods(publicMethods: IEnumerable<MethodInfo>) =
publicMethods |> Seq.filter (fun x -> x.Has<TestAttribute>() && x.IsStatic)
type TestProject() =
interface ITestProject with
member _.Configure(configuration: TestConfiguration, environment: TestEnvironment) =
VerifyTests.VerifierSettings.AssignTargetAssembly(environment.Assembly)
configuration.Conventions.Add<TestModuleDiscovery, TestProject>()
interface IExecution with
member _.Run (testSuite : TestSuite) =
task {
for testClass in testSuite.TestClasses do
for test in testClass.Tests do
use _ = VerifyFixie.ExecutionState.Set(testClass, test, null)
let! _ = test.Run()
()
}
关键组件解析
-
TestAttribute: 自定义测试方法标记属性,用于标识哪些方法是测试方法。
-
TestModuleDiscovery: 实现测试发现逻辑,确定哪些类和方法应该被视为测试。
-
TestProject: 核心配置类,实现了两个关键接口:
ITestProject: 配置测试项目和验证设置IExecution: 控制测试执行流程,特别是为 Verify 设置执行状态
测试方法示例
配置完成后,可以编写使用 Verify 的测试方法:
open System.Threading.Tasks
open VerifyFixie
[<Test>]
let ShouldAddTask() : Task =
Verifier.Verify("something").ToTask()
注意事项
-
执行状态管理:
ExecutionState.Set的调用至关重要,它为 Verify 提供了必要的上下文信息。 -
异步测试: 测试方法需要返回
Task类型以支持异步操作。 -
程序集指定:
AssignTargetAssembly确保 Verify 知道在哪个程序集中查找测试。
总结
通过实现上述配置,开发者可以在 F# 项目中成功集成 Verify 和 Fixie,利用 Verify 的强大验证功能进行快照测试。关键在于正确设置测试项目类并管理执行状态,这为 Verify 提供了必要的上下文信息来执行验证操作。
这种配置方式不仅解决了初始的错误问题,还为项目提供了灵活且强大的测试能力,特别是在需要验证复杂输出或维护测试一致性的场景中。
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
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
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Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
205
暂无简介
Dart
629
143
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
React Native鸿蒙化仓库
JavaScript
242
316
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
383
3.62 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
291
103
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++
648
266
仓颉编译器源码及 cjdb 调试工具。
C++
128
858