React Native Testing Library 中解决 Jest 测试的 ES6 模块解析问题
在 React Native 项目中使用 Jest 进行单元测试时,开发人员经常会遇到 "Unexpected token 'export'" 的错误。这个问题通常出现在测试环境尝试解析包含 ES6 模块语法的第三方依赖时。本文将深入分析这个常见问题的原因,并提供完整的解决方案。
问题根源分析
当 Jest 运行测试时,它会通过 Babel 将代码转换为 Jest 能够理解的格式。错误的核心在于 Jest 的转换配置未能正确处理某些依赖中的 ES6 模块语法。这通常由以下几个因素导致:
- Babel 配置不完整或冲突
- Jest 的 transformIgnorePatterns 设置不当
- 预设(preset)之间的兼容性问题
- 缺少必要的插件支持
解决方案详解
1. 优化 Jest 配置
正确的 Jest 配置应该专注于 React Native 测试环境,避免过度复杂的转换规则:
module.exports = {
preset: "@testing-library/react-native",
moduleFileExtensions: ["ts", "tsx", "js", "jsx", "json"],
setupFilesAfterEnv: ["<rootDir>/jestSetup.ts"]
};
关键点说明:
- 使用
@testing-library/react-native预设,它已经包含了 React Native 测试所需的基本配置 - 明确指定支持的文件扩展名
- 通过
setupFilesAfterEnv加载测试环境设置
2. 完善测试环境设置
在 jestSetup.ts 文件中,我们需要确保测试环境正确初始化:
import "@testing-library/react-native/extend-expect";
jest.mock("react-native/Libraries/Animated/NativeAnimatedHelper");
jest.mock("react-native-webrtc");
jest.mock("node-fetch", () => require("jest-fetch-mock"));
这段代码完成了三个重要任务:
- 扩展了 React Native Testing Library 的断言能力
- 模拟了 React Native 的动画模块
- 处理了网络请求的模拟
3. 精简 Babel 配置
Babel 配置应该保持简洁,避免不必要的预设和插件:
module.exports = {
presets: ["module:@react-native/babel-preset"],
plugins: [
"react-native-reanimated/plugin",
"babel-plugin-styled-components",
[
"module-resolver",
{
root: ["./src"],
alias: {}
}
]
]
};
这个配置的特点:
- 仅使用 React Native 官方推荐的 Babel 预设
- 只包含项目实际需要的插件
- 保持了模块解析功能
最佳实践建议
-
避免混合多个预设:不要同时使用
@react-native/babel-preset和@babel/preset-react,这可能导致冲突 -
谨慎使用 transformIgnorePatterns:除非必要,否则不要过度排除 node_modules 中的模块转换
-
保持配置简洁:从最小配置开始,逐步添加必要的功能,而不是一开始就使用复杂配置
-
定期更新依赖:确保 Jest、Babel 和相关测试库保持最新版本,以获得最佳兼容性
-
统一测试环境:确保开发环境和 CI 环境使用相同的 Node.js 和包管理器版本
总结
解决 React Native 测试中的 ES6 模块解析问题,关键在于正确配置 Jest 和 Babel 的协作关系。通过简化配置、使用官方推荐的预设、合理设置测试环境,可以避免大多数模块解析相关的问题。本文提供的解决方案已经在实际项目中得到验证,能够有效解决 "Unexpected token 'export'" 这类错误,为 React Native 项目的测试提供稳定可靠的基础。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00