Mockolo 2.4.0 发布:Swift 模拟框架的重大更新
Mockolo 是 Uber 开源的一款 Swift 模拟框架生成工具,它能够根据 Swift 协议自动生成对应的模拟类实现。这个工具特别适合在单元测试中使用,可以大大减少手动编写测试替身(Test Doubles)的工作量。最新发布的 2.4.0 版本带来了多项重要改进和错误修复,进一步提升了框架的稳定性和功能性。
关联类型约束支持
2.4.0 版本最显著的改进是对带有约束的关联类型(associatedtype with constraints)的支持。在之前的版本中,当协议中定义了带有约束的关联类型时,生成的模拟类会出现类型不匹配的问题。
例如,对于以下协议定义:
protocol Foo {
associatedtype T: StringProtocol
}
旧版本会生成:
class FooMock: Foo {
typealias T = StringProtocol
init() { }
}
这会导致编译错误,因为 StringProtocol
本身并不符合 StringProtocol
协议。新版本通过将模拟类改为泛型类,完美解决了这个问题:
class FooMock<T: StringProtocol>: Foo {
init() { }
}
这一改进使得 Mockolo 能够正确处理更复杂的协议定义,特别是那些使用关联类型约束的场景。
错误修复
2.4.0 版本修复了几个关键问题:
-
避免对"Unknown"类型名的特殊处理:修复了在某些情况下对未知类型名的处理逻辑,提高了代码生成的准确性。
-
移除 NominalModel 中的 metadata:这一改动修复了 Rx SubjectType 在模拟类初始化中的正确性问题,使得生成的代码更加符合预期。
测试与维护改进
开发团队对测试套件进行了多项改进:
-
在变量测试(VarTests)中使用
@Fixture
注解,提高了测试的可读性和维护性。 -
在 Rx 测试中同样采用
@Fixture
注解,并移除了use-mock-observable
标志,简化了测试配置。 -
从
SwiftType
中移除了cast
属性,简化了类型系统的实现。 -
使用
@Fixture
重写了泛型函数测试(GenericFuncTests),提高了测试的清晰度。 -
改进了 CI 配置,优化了构建矩阵,增强了持续集成流程的可靠性。
-
引入了更好的测试验证机制,确保生成的代码质量。
总结
Mockolo 2.4.0 版本通过改进关联类型约束的处理、修复关键错误以及优化测试基础设施,进一步巩固了其作为 Swift 生态系统中优秀模拟框架生成工具的地位。这些改进使得开发者能够更轻松地为复杂协议生成准确的模拟实现,提高了单元测试的效率和可靠性。对于已经在使用 Mockolo 的团队,升级到 2.4.0 版本将带来更稳定和强大的功能支持。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0380- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









