SwiftLint中自定义规则与only_rules的正确配置方法
2025-05-12 04:59:58作者:舒璇辛Bertina
SwiftLint作为一款强大的Swift代码风格检查工具,允许开发者通过自定义规则来扩展其功能。然而,在实际使用中,很多开发者会遇到自定义规则与only_rules配置组合使用时的问题。本文将详细介绍如何正确配置这些规则,避免常见的陷阱。
问题现象
当开发者尝试在SwiftLint配置中同时使用自定义规则和only_rules时,可能会遇到以下情况:
- 自定义规则被定义但未被激活
- 控制台输出警告信息"Found a configuration for 'custom_rules' rule, but it is not present in 'only_rules'"
- 预期的自定义规则检查没有执行
根本原因
这是由于对only_rules和custom_rules的交互机制理解不足导致的。only_rules需要明确包含custom_rules这个特殊项,才能启用所有自定义规则。
正确配置方法
正确的配置方式如下:
only_rules:
- custom_rules
custom_rules:
规则名称:
参数1: 值1
参数2: 值2
这种配置明确告诉SwiftLint:
- 只启用自定义规则(通过only_rules中的custom_rules项)
- 具体定义这些自定义规则的细节
常见误区
开发者常犯的错误包括:
- 尝试在only_rules中直接列出自定义规则的名称
- 认为自定义规则会自动包含在only_rules中
- 忽略控制台的警告信息
实际示例
假设我们需要创建一个检查字符串中是否包含"Ninja"的自定义规则,正确配置如下:
only_rules:
- custom_rules
custom_rules:
no_hiding_in_strings:
regex: "([nN]inja)"
match_kinds: string
这种配置会:
- 只启用自定义规则
- 定义一个名为no_hiding_in_strings的规则
- 检查所有字符串中是否包含"ninja"或"Ninja"
高级用法
如果需要同时使用内置规则和自定义规则,可以这样配置:
only_rules:
- rule1
- rule2
- custom_rules
custom_rules:
自定义规则1:
# 参数
自定义规则2:
# 参数
这种配置允许混合使用内置规则和自定义规则,同时保持明确的控制。
最佳实践
- 始终在only_rules中包含custom_rules项
- 为自定义规则使用清晰、描述性的名称
- 测试配置时使用--no-cache标志确保获取最新结果
- 关注控制台输出中的警告信息
通过理解这些配置原则,开发者可以更有效地利用SwiftLint的自定义规则功能,构建适合项目需求的代码检查方案。
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
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217