PHP_CodeSniffer 3.13.0 版本发布:PHP代码规范检查工具迎来重要更新
PHP_CodeSniffer 是一个广泛使用的PHP代码规范检查工具,它可以帮助开发者自动检测代码是否符合编码规范,并提供自动修复功能。该项目最新发布的3.13.0版本带来了多项重要更新和改进。
新特性与功能增强
本次3.13.0版本最显著的变化是增加了对PHP 8.4新特性的支持。PHP 8.4引入了不对称可见性修饰符(asymmetric visibility modifiers),现在tokenizer已经能够正确识别这些新语法。此外,针对PHP 8.4中新增的final属性特性,PSR2.Classes.PropertyDeclaration嗅探器也进行了相应更新。
Generic.WhiteSpace.LanguageConstructSpacing嗅探器现在扩展了其检查范围,新增了对goto语言结构关键字后空格的检查,这有助于保持代码风格的一致性。
代码规范检查改进
PSR2.Classes.PropertyDeclaration嗅探器在本次更新中得到了显著增强。它不仅能够检查PHP 8.4的final属性,还会验证final修饰符是否正确地放置在可见性关键字之前。如果发现顺序错误,会通过新的FinalAfterVisibility错误代码报告问题。
问题修复与优化
本次更新修复了几个重要问题。Generic.Strings.UnnecessaryHeredoc嗅探器之前会错误地将包含转义序列的heredoc标记为不必要,这个问题已得到修复。同时,修复器现在能够正确处理nowdoc中不必要的转义序列。
另一个重要修复涉及文件修复过程中的部分更新问题。在某些情况下,即使文件"修复失败",扫描的文件仍会被部分更新,这个问题已经解决,确保了修复过程的可靠性。
文档与用户体验改进
本次更新还包含了对多个嗅探器文档的改进,特别是PSR1.Files.SideEffects、PSR2.ControlStructures.SwitchDeclaration和PSR2.Namespaces.NamespaceDeclaration等嗅探器的文档得到了完善,帮助用户更好地理解和使用这些规则。
命令行界面的帮助信息也进行了优化,特别是关于--reports标志的说明更加清晰,提升了用户体验。
向后兼容性考虑
值得注意的是,3.13.0版本将之前软弃用(soft deprecated)的功能转为硬弃用(hard deprecated),这意味着这些功能将在未来的4.0版本中被移除。这包括将被移除的嗅探器、废弃的Generator方法、旧的数组属性设置格式等多种元素。开发者可以通过使用-q(quiet)命令行标志来静默这些弃用通知。
未来展望
项目团队已经发布了PHP_CodeSniffer 4.0的首个beta版本,并呼吁社区参与测试。为了帮助开发者顺利过渡,项目Wiki上已经发布了4.0版本的用户升级指南和开发者升级指南。
PHP_CodeSniffer作为PHP生态中重要的代码质量工具,其持续更新和改进对于维护PHP代码质量标准具有重要意义。3.13.0版本在支持最新PHP特性的同时,也在为即将到来的4.0大版本更新做准备,体现了项目团队对代码质量和开发者体验的持续关注。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01