Inertia.js Laravel 适配器中的属性测试新方法
2025-07-03 03:11:47作者:裘旻烁
背景介绍
在开发基于 Inertia.js 和 Laravel 的应用程序时,测试组件返回的属性(Props)是一个常见需求。传统测试方法需要编写较为复杂的断言代码,这给开发者带来了记忆负担和编写不便。
传统测试方法的痛点
在之前的版本中,开发者通常需要编写类似以下的测试代码来验证 Inertia 响应中的属性:
$response->assertInertia(function (Assert $page) {
$page->component('Orders/Edit')
->has('order.lines', 5)
->where('order.id', $order->id);
});
这种语法虽然功能完善,但对于简单的属性测试来说显得过于冗长。许多开发者,特别是新手,经常需要查阅文档才能正确使用。
开发者提出的解决方案
有开发者提出了两种辅助函数来简化测试:
function getInertiaProps($response) {
return json_decode(json_encode($response->viewData('page')), true)['props'];
}
function getInertiaPropKey($response, $key) {
return Arr::get(getInertiaProps($response), $key);
}
使用这些辅助函数后,测试代码变得更加简洁:
expect(getInertiaPropKey($response, 'order.lines'))->toBeArray()->toHaveCount(5)
->and(getInertiaPropKey($response, 'order.id'))->toBe($order->id);
官方改进方案
Inertia.js Laravel 适配器团队注意到了这一痛点,在即将发布的新版本中引入了inertiaProps()方法。这个新方法将大大简化属性测试的语法,使测试代码更加直观和易于编写。
新方法的优势
- 语法简洁:减少了样板代码,使测试更加专注
- 易于记忆:直观的方法名降低了学习曲线
- 与Pest测试框架完美集成:特别适合使用Pest进行测试的场景
- 链式调用支持:可以流畅地组合多个断言
实际应用建议
对于正在使用Inertia.js和Laravel的开发者,建议:
- 关注新版本的发布,及时升级以使用新特性
- 对于简单属性测试,优先使用新的
inertiaProps()方法 - 对于复杂断言场景,仍可使用传统的
assertInertia方法 - 考虑在测试基类中封装常用断言模式,提高测试代码复用率
总结
Inertia.js Laravel适配器的这一改进体现了框架对开发者体验的持续关注。通过简化测试语法,降低了入门门槛,提高了开发效率。这种演进方向值得其他类似框架借鉴,即在保持功能强大的同时,不断优化开发者体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
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
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143