VerifyTests/Verify 项目中使用 Fixie 测试框架的配置指南
2025-06-25 01:47:58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
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
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++
664
323
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
265
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868