Rector 2.0.17版本发布:PHP代码现代化工具的重大更新
项目介绍
Rector是一个强大的PHP代码重构工具,它能够自动化地将旧版PHP代码转换为更现代、更高效的语法。通过分析代码结构并应用预定义的规则集,Rector可以帮助开发者快速升级代码库,提高代码质量,同时保持功能不变。本次发布的2.0.17版本带来了多项新特性、改进和错误修复。
核心新特性
PHP 8.5相关改进
本次更新引入了针对PHP 8.5的ArrayFirstLastRector规则,这是一个实用的新功能,可以自动将传统的数组首尾元素访问方式转换为更简洁的PHP 8.5语法。
PHP 8.3支持增强
-
只读匿名类支持:新增了
ReadOnlyAnonymousClassRector规则,能够识别并转换匿名类为只读模式,符合PHP 8.3的新特性。 -
动态类常量访问:
DynamicClassConstFetchRector规则现在支持PHP 8.3引入的动态类常量访问语法,使代码更加灵活。
命令处理改进
修复了并行处理和非并行处理模式下additionalAutoloader->autoloadPaths()的工作方式,提高了工具的稳定性和兼容性。
重要错误修复
-
字符串处理修复:
StrContainsRector现在能够正确处理多字节字符串函数(如strpos和strstr)的转换。 -
死代码分析改进:
IsClassMethodUsedAnalyzer现在正确使用类级别的Scope进行分析,提高了分析的准确性。 -
PHP 8.4兼容性:修复了
NewMethodCallWithoutParenthesesRector在类名带括号时的问题。 -
变量简化规则优化:
SimplifyUselessVariableRector现在能够正确处理三元运算符中的赋值操作。 -
只读类处理:
ReadOnlyClassRector现在能够正确处理隐式的公共只读属性。
代码质量提升
-
命名规范:优化了重复的
DateTimeInterface对象类型检查,将其集中到PropertyNaming服务中。 -
自动导入改进:
- 修复了文档块中冲突别名的问题
- 跳过保留类名的自动导入
- 处理无命名空间文件中的类重命名情况
-
方法重命名:
RenameMethodRector现在能够正确处理trait中的方法重命名,包括trait自身和调用者。
类型声明增强
-
返回类型处理:修复了
AddReturnTypeDeclarationRector在已经返回静态类型时的崩溃问题。 -
动态属性处理:
CompleteDynamicPropertiesRector现在能够正确处理后期静态绑定。
移除的规则和功能
-
死代码规则优化:
- 移除了数组回调使用的空类方法
- 改进了私有未使用方法参数的检测
- 跳过了通过$this使用的私有类常量
-
文档改进:移除了关于PHPUnit的说明,使用更主动的语态描述规则。
相关扩展更新
Rector Symfony扩展
- 命令输入属性:改进了
InvokableCommandInputAttributeRector对Symfony 7.3命令类的处理,包括:- 保持
$output参数 - 处理
#[\Override]注解 - 添加参数名称、模式和描述
- 使
__invoke()方法公开 - 处理来自常量的名称
- 保持
Rector Doctrine扩展
-
类型化集合增强:
- 添加了数十条规则来处理Doctrine集合类型
- 支持嵌入多关系初始化
- 添加静态调用支持到集合包装器
- 处理可为空的集合类型
- 解耦新命名空间并移动相关规则
-
规则重命名:将
ExplicitRelationCollectionRector重命名为更具描述性的InitializeCollectionInConstructorRector。
Rector PHPUnit扩展
-
注解转属性:改进了PHPUnit 10/11中
@covers和@uses注解到属性的转换。 -
代码质量规则:
- 添加了非静态方法的额外检查
- 跳过了静态箭头函数中的
this调用 - 改进了可为空实例的类型断言
-
PHPUnit 12支持:添加了
RemoveOverrideFinalConstructTestCaseRector规则。
总结
Rector 2.0.17版本带来了对最新PHP版本特性的全面支持,显著提升了代码分析的准确性和转换的可靠性。特别是对PHP 8.3和8.5新特性的支持,使开发者能够更容易地保持代码现代化。同时,对Symfony和Doctrine等流行框架的专门支持也得到了加强,使这些生态系统的升级更加顺畅。错误修复和性能改进使整个工具更加稳定可靠,是任何PHP项目现代化过程中不可或缺的助手。
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