Shoulda Matchers 技术文档
2024-12-20 15:34:15作者:冯梦姬Eddie
安装指南
1. 添加 Gem 到 Gemfile
首先,将 shoulda-matchers 添加到你的 Gemfile 中。根据你使用的测试框架(RSpec 或 Minitest),添加相应的配置。
使用 RSpec
group :test do
gem 'shoulda-matchers', '~> 6.0'
end
使用 Minitest
group :test do
gem 'shoulda-matchers', '~> 6.0'
end
2. 安装 Gem
运行以下命令来安装 Gem:
bundle install
3. 配置 Gem
根据你使用的测试框架和项目类型(Rails 或非 Rails),进行相应的配置。
Rails 项目(RSpec)
在 spec/rails_helper.rb 文件底部添加以下配置:
Shoulda::Matchers.configure do |config|
config.integrate do |with|
with.test_framework :rspec
with.library :rails
end
end
非 Rails 项目(RSpec)
在 spec/spec_helper.rb 文件底部添加以下配置:
Shoulda::Matchers.configure do |config|
config.integrate do |with|
with.test_framework :rspec
with.library :active_record
with.library :active_model
end
end
Rails 项目(Minitest)
在 test/test_helper.rb 文件底部添加以下配置:
Shoulda::Matchers.configure do |config|
config.integrate do |with|
with.test_framework :minitest
with.library :rails
end
end
非 Rails 项目(Minitest)
在 test/test_helper.rb 文件底部添加以下配置:
Shoulda::Matchers.configure do |config|
config.integrate do |with|
with.test_framework :minitest
with.library :active_record
with.library :active_model
end
end
项目的使用说明
1. 基本使用
Shoulda Matchers 提供了许多用于测试 Rails 应用的简便方法。你可以在模型、控制器等不同部分使用这些匹配器。
示例:模型测试
# RSpec
RSpec.describe MenuItem, type: :model do
describe 'associations' do
it { should belong_to(:category).class_name('MenuCategory') }
end
describe 'validations' do
it { should validate_presence_of(:name) }
it { should validate_uniqueness_of(:name).scoped_to(:category_id) }
end
end
# Minitest
class MenuItemTest < ActiveSupport::TestCase
context 'associations' do
should belong_to(:category).class_name('MenuCategory')
end
context 'validations' do
should validate_presence_of(:name)
should validate_uniqueness_of(:name).scoped_to(:category_id)
end
end
2. 自定义 subject
在某些情况下,你可能需要自定义 subject。例如,在测试模型验证时,通常会提供一个有效的模型实例,而不是一个全新的实例。
# RSpec
RSpec.describe Post, type: :model do
describe 'validations' do
subject { build(:post) }
it { should validate_presence_of(:title) }
end
end
# Minitest
class PostTest < ActiveSupport::TestCase
context 'validations' do
subject { build(:post) }
should validate_presence_of(:title)
end
end
项目 API 使用文档
1. ActiveModel 匹配器
用于测试 ActiveModel 的匹配器,例如:
validate_presence_ofvalidate_uniqueness_of
2. ActiveRecord 匹配器
用于测试 ActiveRecord 的匹配器,例如:
belong_tohave_many
3. ActionController 匹配器
用于测试控制器的匹配器,例如:
render_templatehave_http_status
4. 独立匹配器
用于测试 Rails 特定功能的匹配器,例如:
delegate
项目安装方式
1. 通过 Gemfile 安装
将 shoulda-matchers 添加到 Gemfile 中,然后运行 bundle install。
2. 手动安装
你也可以通过以下命令手动安装 Gem:
gem install shoulda-matchers
3. 配置
根据你使用的测试框架和项目类型,进行相应的配置。配置文件通常位于 spec/rails_helper.rb 或 test/test_helper.rb 中。
通过以上步骤,你可以成功安装并配置 Shoulda Matchers,开始使用它来简化你的 Rails 测试。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。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
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
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K