Ember Mocha Adapter 使用教程
2024-08-31 20:15:42作者:廉彬冶Miranda
项目介绍
Ember Mocha Adapter 是一个用于 Ember.js 应用的 Mocha 测试适配器。它简化了使用 Mocha 进行异步测试的过程,去除了 done() 回调函数,使得测试同步或异步代码更加方便。该适配器会自动设置为默认测试适配器,并调用 mocha.setup() 方法。
项目快速启动
安装
首先,确保你已经安装了 Node.js 和 npm。然后,通过 npm 安装 Ember CLI:
npm install -g ember-cli
接着,创建一个新的 Ember 项目:
ember new my-ember-app
cd my-ember-app
安装 Ember Mocha Adapter:
npm install --save-dev ember-mocha-adapter
配置
在测试文件中引入适配器:
// tests/test-helper.js
import 'ember-mocha-adapter/adapter.js';
编写测试
编写一个简单的测试用例:
// tests/unit/example-test.js
import { describe, it } from 'mocha';
import { expect } from 'chai';
import { setupTest } from 'ember-mocha';
describe('Example test', function() {
setupTest();
it('should pass', function() {
let controller = this.owner.lookup('controller:application');
expect(controller).to.be.ok;
});
});
运行测试
使用以下命令运行测试:
ember test
应用案例和最佳实践
应用案例
假设我们有一个简单的 Ember 应用,包含一个表单提交功能。我们可以使用 Ember Mocha Adapter 来测试这个功能:
// tests/integration/form-submission-test.js
import { describe, it, beforeEach } from 'mocha';
import { expect } from 'chai';
import { setupRenderingTest } from 'ember-mocha';
import { fillIn, click, find } from 'ember-native-dom-helpers';
describe('Form submission', function() {
setupRenderingTest();
beforeEach(function() {
this.set('model', { title: '', body: '' });
});
it('should display an error if the title is empty', async function() {
await fillIn('input[name="title"]', '');
await click('button[type="submit"]');
expect(find('.error')).to.have.text('Title is required');
});
it('should create a post on valid submission', async function() {
await fillIn('input[name="title"]', 'Test Post');
await fillIn('input[name="body"]', 'This is the body');
await click('button[type="submit"]');
expect(find('.success')).to.have.text('Post created');
});
});
最佳实践
- 保持测试独立:每个测试用例应该独立运行,不依赖于其他测试用例的状态。
- 使用 beforeEach 和 afterEach:使用
beforeEach和afterEach来设置和清理测试环境。 - 使用合适的断言库:结合 Chai 断言库,使测试代码更加易读和易维护。
典型生态项目
Ember Mocha Adapter 通常与其他 Ember 生态项目一起使用,例如:
- Ember CLI:Ember 的命令行工具,用于创建、构建和管理 Ember 项目。
- Chai:一个流行的断言库,与 Mocha 结合使用,提供丰富的断言功能。
- Ember Data:Ember 的数据管理库,用于与后端 API 进行交互。
- Ember Inspector:一个浏览器扩展,用于调试和分析 Ember 应用。
通过结合这些工具和库,可以构建出高效、可维护的 Ember 应用。
登录后查看全文
热门项目推荐
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878