Allure 2 安装与配置完全指南
2026-01-20 01:51:06作者:段琳惟
项目基础介绍与主要编程语言
Allure Report 是一个灵活且轻量级的多语言测试报告工具,旨在为软件开发过程中的测试提供清晰的图形化报告。它支持多种测试框架,并跨越多个编程语言,帮助团队成员更高效地理解日常测试的成果。该项目主要采用 Java 作为核心编程语言,并利用一系列现代技术栈构建。
关键技术和框架
- 多语言支持: 支持TestNG、JUnit等多种测试库。
- 报告引擎: 提供丰富的数据可视化,包括统计、趋势分析等。
- DevOps集成: 与CI/CD系统(如Jenkins)无缝整合,方便自动化测试报告生成。
- 可扩展性: 通过插件机制支持自定义扩展,例如与JIRA等工具的集成。
- 跨平台: 支持Windows、macOS和Linux操作系统。
- 基于Maven和Gradle的构建: 方便项目集成与管理。
安装与配置步骤
准备工作
- 确保环境: 确保你的机器上已安装Java Development Kit (JDK),版本建议1.8或更高。
- Git客户端: 如果你打算从GitHub克隆项目,需安装Git。
- IDE选择: 可选,推荐使用IntelliJ IDEA或Eclipse等支持Maven的IDE以简化开发。
安装步骤
全局安装Allure命令行工具
对于大多数用户,首先安装Allure命令行工具将是开始的一步:
-
Mac/Linux使用Homebrew安装:
brew install allure -
Windows用户使用Scoop:
- 安装Scoop(如果尚未安装):
iex (new-object net.webclient).downloadstring('https://get.scoop.sh') - 然后安装Allure:
scoop install allure
- 安装Scoop(如果尚未安装):
项目集成与报告生成
-
添加依赖:
- 对于Maven项目,在
pom.xml中添加Allure与对应的测试框架依赖(以TestNG为例):
<dependency> <groupId>org.testng</groupId> <artifactId>testng</artifactId> <version>6.8.8</version> <!-- 或者使用最新版本 --> <!-- 注意: 实际操作时应查询最新的TestNG版本 --> <scope>test</scope> </dependency> <dependency> <groupId>io.qameta.allure</groupId> <artifactId>allure-testng</artifactId> <version>(查看仓库获取最新版本)</version> <scope>test</scope> </dependency> - 对于Maven项目,在
-
配置Maven Surefire Plugin: 在
pom.xml的<build>标签内,添加Surefire插件配置,以便在测试运行时收集Allure数据:<build> <plugins> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-surefire-plugin</artifactId> <version>(适用的版本)</version> <configuration> <properties> <property> <name>listener</name> <value>io.qameta.allure.testng.AllureTestNgListener</value> </property> </properties> </configuration> </plugin> </plugins> </build> -
运行测试并生成报告
在终端中,导航到项目根目录并运行测试,Allure数据会被临时保存:
mvn clean test -
生成和查看报告
在测试成功执行后,生成Allure报告:
allure serve target/allure-results此命令将启动一个本地服务器,你可以通过浏览器访问报告(通常是
http://localhost:8080)。
至此,你就完成了Allure的基本安装与配置,可以根据自己的测试结果生成具有视觉吸引力的测试报告了。记得替换版本号为实际检查的最新版本以保持最佳兼容性和功能。
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
568
3.84 K
🔥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
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
暂无简介
Dart
801
199
🎉 (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
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1