Fixture Factory 使用与技术文档
2024-12-24 09:49:28作者:谭伦延
1. 安装指南
将 Fixture Factory 作为项目依赖项添加,如同 Maven 依赖关系一样:
<dependency>
    <groupId>br.com.six2six</groupId>
    <artifactId>fixture-factory</artifactId>
    <version>3.1.0</version>
</dependency>
2. 项目的使用说明
模板规则编写
可以通过定义模板规则来创建测试数据。以下是如何为 Client 类和 Address 类编写模板的示例:
Fixture.of(Client.class).addTemplate("valid", new Rule() {{
    add("id", random(Long.class, range(1L, 200L)));
    add("name", random("Anderson Parra", "Arthur Hirata"));
    add("nickname", random("nerd", "geek"));
    add("email", "${nickname}@gmail.com");
    add("birthday", instant("18 years ago"));
    add("address", one(Address.class, "valid"));
}});
Fixture.of(Address.class).addTemplate("valid", new Rule() {{
    add("id", random(Long.class, range(1L, 100L)));
    add("street", random("Paulista Avenue", "Ibirapuera Avenue"));
    add("city", "São Paulo");
    add("state", "${city}");
    add("country", "Brazil");
    add("zipCode", random("06608000", "17720000"));
}});
模板继承
你也可以基于一个已存在的模板创建一个新的模板,并覆盖其中的某些属性定义:
Fixture.of(Address.class).addTemplate("augustaStreet").inherits("valid", new Rule() {{
    add("street", "Augusta Street");
}});
测试代码中的使用
以下是如何在测试代码中使用定义好的模板来生成对象:
- 生成一个符合 "valid" 标签的对象:
 
Client client = Fixture.from(Client.class).gimme("valid");
- 生成多个符合 "valid" 标签的对象:
 
List<Client> clients = Fixture.from(Client.class).gimme(5, "valid");
- 生成多个对象,每个对象符合不同的标签:
 
List<Client> clients = Fixture.from(Client.class).gimme(2, "valid", "invalid");
3. 项目API使用文档
模板管理
模板可以在 TemplateLoader 接口内编写:
public class ClientTemplateLoader implements TemplateLoader {
    @Override
    public void load() {
        Fixture.of(Client.class).addTemplate("valid", new Rule() {{
            add("id", random(Long.class, range(1L, 200L)));
            // 其他属性规则...
        }});
        // 其他模板...
    }
}
使用 FixtureFactoryLoader 加载模板:
FixtureFactoryLoader.loadTemplates("br.com.six2six.template");
自定义处理器
实现 Processor 接口,在对象生成后执行自定义逻辑:
public class MyCustomProcessor implements Processor {
    public void execute(Object object) {
        // 对生成的对象执行操作
    }
}
并在生成对象时使用它:
Fixture.from(SomeClass.class).uses(new MyCustomProcessor()).gimme("someTemplate");
关系(一对一和一对多)
可以为包含关系的类定义模板,如 Order 类和 Item 类:
Fixture.of(Order.class).addTemplate("valid", new Rule() {{
    add("id", random(Long.class, range(1L, 200L)));
    add("items", has(3).of(Item.class, "valid"));
    add("payment", one(Payment.class, "valid"));
}});
日期和时间
提供了一些处理日期和时间的函数:
Fixture.of(Any.class).addTemplate("valid", new Rule() {{
    add("dueDate", beforeDate("2011-04-15", new SimpleDateFormat("yyyy-MM-dd")));
    // 其他日期规则...
}});
姓名生成
可以生成随机的姓名:
Fixture.of(Any.class).addTemplate("valid", new Rule() {{
    add("firstName", firstName());
    add("lastName", lastName());
}});
唯一随机值
对于需要每次生成唯一值的属性,可以使用 uniqueRandom 函数:
Fixture.of(Any.class).addTemplate("valid", new Rule() {{
    add("country", "Brazil");
    add("state", uniqueRandom("São Paulo", "Rio de Janeiro", "Minas Gerais", "Bahia"));
}});
CNPJ 生成
生成巴西的公司注册号(CNPJ):
Fixture.of(User.class).addTemplate("valid", new Rule() {{
    add("cnpj", cnpj());
    add("cnpj", cnpj(true)); // 格式化的 CNPJ
}});
更多使用示例可以在项目的测试代码中找到。
4. 项目安装方式
请按照“安装指南”部分所述,将 Fixture Factory 添加为项目依赖项。如果你使用的是 Maven,只需将提供的依赖项添加到你的 pom.xml 文件中。如果你使用的是其他构建工具,请按照该工具的指南来添加依赖项。
登录后查看全文 
热门项目推荐
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
最新内容推荐
 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
105
133
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++
599
161
暂无简介
Dart
568
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
250
14
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
103
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
446