Accompanist项目中的Test Harness功能迁移指南
2025-05-30 04:37:05作者:牧宁李
背景介绍
在Android开发中,Compose UI测试是一个重要环节。Accompanist项目曾经提供了一个名为Test Harness的功能,用于在测试时覆盖设备配置参数。随着Compose UI测试库的发展,现在官方提供了更完善的解决方案。
新旧API对比
旧版Test Harness
Accompanist中的Test Harness通过一个包含多个参数的大型方法来实现设备配置覆盖。这种方式虽然功能完整,但随着需要覆盖的参数增多,方法签名会变得越来越庞大,不利于维护和扩展。
新版DeviceConfigurationOverride
Compose UI测试库1.7.0-alpha01版本引入了DeviceConfigurationOverrideAPI,它采用了更模块化的设计:
- 使用构建器模式,可以链式调用多个配置覆盖
- 每个配置项有独立的方法,便于单独使用
- 扩展性更好,新增配置项不需要修改方法签名
- 类型安全,减少配置错误的可能性
迁移建议
对于正在使用Accompanist Test Harness的开发者,建议尽快迁移到新的官方API。迁移过程通常包括以下步骤:
- 更新项目依赖,使用Compose UI测试1.7.0-alpha01或更高版本
- 查找项目中所有使用Test Harness的地方
- 将旧API调用替换为新的DeviceConfigurationOverride
示例代码对比
旧版Test Harness用法
testHarness(
locale = Locale.US,
fontScale = 1.5f,
displaySize = DisplaySize.Small,
// 其他参数...
) {
// 测试代码
}
新版DeviceConfigurationOverride用法
DeviceConfigurationOverride(
DeviceConfigurationOverride.FontScale(1.5f),
DeviceConfigurationOverride.Locale(Locale.US),
DeviceConfigurationOverride.DisplaySize(DisplaySize.Small)
) {
// 测试代码
}
优势分析
新的API设计带来了几个明显优势:
- 可读性更好:每个配置项都有明确的类型,一目了然
- 可组合性:可以轻松组合多个配置项,也可以单独使用某个配置
- 类型安全:编译器可以检查配置项的类型是否正确
- 易于扩展:新增配置项不会影响现有代码
注意事项
- 迁移时注意检查配置项的值是否与之前一致
- 新版API可能需要调整导入语句
- 建议在迁移后运行完整的测试套件,确保行为一致
- 某些边缘情况下的行为可能有细微差别,需要特别验证
结论
随着Compose生态系统的成熟,越来越多的功能从实验性库迁移到官方支持。这次Test Harness到DeviceConfigurationOverride的转变,不仅提供了更好的API设计,也标志着相关功能的稳定和标准化。开发者应抓住机会进行迁移,以获得更好的开发体验和长期支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134