Swift Snapshot Testing 1.18.0 版本发布:全新自定义转储策略与Android支持
Swift Snapshot Testing 是一个强大的 Swift 测试框架,它允许开发者通过捕获和比较应用程序的视觉输出、数据结构或其他可序列化内容来验证代码的正确性。这种测试方法特别适合UI组件、视图控制器和复杂数据结构的验证,能够有效减少回归测试的工作量。
1.18.0 版本亮点
新增自定义转储策略
1.18.0 版本引入了一个全新的 .customDump 策略,该策略通过新增的 SnapshotTestingCustomDump 模块提供。这个新策略是对现有 .dump 策略的改进和替代,后者已被标记为软弃用状态。
.customDump 策略提供了更灵活、更精确的数据结构转储能力,能够更好地处理复杂对象的比较和验证。与传统的 .dump 相比,它提供了:
- 更清晰的输出格式
- 更好的自定义选项
- 更精确的差异检测
- 改进的循环引用处理
开发者可以逐步迁移到新的 .customDump 策略,以获得更好的测试体验和更准确的测试结果。
Android平台支持
这个版本还增加了对Android平台的支持,这是由社区贡献者 @marcprux 实现的重大改进。这意味着开发者现在可以在Android项目中使用Swift Snapshot Testing框架,扩展了框架的应用范围。
Android支持包括:
- 兼容Android NDK工具链
- 适配Android文件系统特性
- 确保在Android环境下的稳定运行
这一改进使得跨平台Swift项目能够使用统一的快照测试方法,提高了代码质量和测试效率。
内联快照测试改进
assertInlineSnapshot 功能的 record 参数现在支持所有记录模式,解决了之前版本中的一些限制。这使得内联快照测试更加灵活和强大,开发者可以:
- 更方便地更新快照
- 更灵活地控制记录行为
- 更精确地管理测试数据
内联快照测试允许开发者将预期的输出直接嵌入测试代码中,提高了测试的可读性和维护性。
主线程检测问题修复
修复了在 @MainActor 注解的测试中可能出现的主线程检测问题。这个修复由 @peterkovacs 贡献,解决了在某些情况下测试可能错误地报告线程问题的bug。
这个改进特别重要,因为:
- 确保UI相关测试在主线程上正确执行
- 避免了误报的线程安全问题
- 提高了测试的稳定性和可靠性
升级建议
对于现有用户,建议:
- 逐步将
.dump策略迁移到新的.customDump策略 - 检查并更新使用了
assertInlineSnapshot的测试用例 - 对于跨平台项目,可以开始在Android环境中使用快照测试
新用户可以:
- 直接使用
.customDump策略开始编写测试 - 利用改进的内联快照功能简化测试编写
- 在Android项目中集成快照测试
总结
Swift Snapshot Testing 1.18.0 版本带来了多项重要改进和新功能,特别是自定义转储策略和Android支持,大大扩展了框架的实用性和适用范围。这些改进使得快照测试更加灵活、强大,能够满足更广泛的测试需求。
对于任何使用Swift进行开发的团队,特别是那些关注代码质量和测试覆盖率的团队,这个版本都值得考虑升级或采用。它不仅提高了测试的准确性,还简化了测试的编写和维护工作,是提升开发效率的有力工具。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0123
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