ts-jest 项目中的 ESM 预设配置优化指南
2025-05-30 18:35:41作者:劳婵绚Shirley
在 JavaScript 生态系统中,ES Modules (ESM) 已经成为现代模块系统的标准。对于使用 TypeScript 和 Jest 进行测试的开发者来说,ts-jest 提供了对 ESM 的支持。本文将深入探讨 ts-jest 中 ESM 预设配置的最佳实践。
ESM 预设的核心配置
ts-jest 通过预设(preset)机制简化了 ESM 的配置过程。ts-jest/presets/default-esm 预设实际上等价于以下配置:
{
extensionsToTreatAsEsm: ['.jsx', '.ts', '.tsx', '.mts'],
transform: {
'^.+\\.m?tsx?$': [
'ts-jest',
{
useESM: true,
},
],
},
}
这个预设自动处理了 .ts、.tsx、.mts 等 TypeScript 文件的 ESM 转换,开发者无需手动配置这些基础项。
常见配置误区
许多开发者在使用预设时,会不必要地重复配置 transform 选项。例如:
{
preset: 'ts-jest/presets/default-esm',
transform: {
'^.+\\.tsx?$': [
'ts-jest',
{
useESM: true,
},
],
},
// 其他配置...
}
这种配置不仅冗余,还可能导致潜在的配置冲突。预设已经包含了必要的 transform 配置,重复添加会造成维护困难。
推荐的最佳实践
官方推荐使用 createDefaultEsmPreset 工具函数来创建 ESM 配置:
const { createDefaultEsmPreset } = require('ts-jest');
const defaultEsmPreset = createDefaultEsmPreset({
// 可选的定制化配置
});
module.exports = {
...defaultEsmPreset,
// 其他项目特定配置
};
这种方法相比直接使用预设字符串更加灵活,允许开发者轻松添加自定义配置,同时避免了配置重复的问题。
完整配置示例
一个完整的 ESM 配置应该简洁明了:
const { createDefaultEsmPreset } = require('ts-jest');
module.exports = {
...createDefaultEsmPreset(),
moduleNameMapper: {
'^(\\.{1,2}/.*)\\.js$': '$1',
},
// 其他项目特定配置...
};
这种配置方式确保了 ESM 支持的正确性,同时保持了配置的简洁性和可维护性。
总结
在使用 ts-jest 的 ESM 功能时,开发者应该:
- 优先使用
createDefaultEsmPreset工具函数 - 避免手动重复预设已包含的配置
- 保持配置简洁,只添加必要的项目特定选项
遵循这些最佳实践可以确保 TypeScript 项目在 Jest 测试环境中获得正确的 ESM 支持,同时保持配置的清晰和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
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。C037
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
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。C00
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TSX0114
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
最新内容推荐
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 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 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 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 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 K
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++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
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
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen 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
TSX
211
114
仓颉编译器源码及 cjdb 调试工具。
C++
138
869