VS Code扩展示例:测试覆盖率提供器示例的更新与修复
在VS Code扩展开发中,测试覆盖率功能是一个重要的开发辅助工具。本文将以vscode-extension-samples项目中的test-provider-sample为例,介绍如何更新和修复一个基于过时API的测试覆盖率提供器实现。
问题背景
测试覆盖率提供器示例原本依赖于VS Code的测试覆盖率功能API,但随着VS Code 1.88版本的发布,相关API发生了重大变更。主要变化包括:
- 移除了TestRun.coverageProvider属性
- 将StatementCoverage.executionCount更名为executed
- 引入了新的addCoverage方法
- 内置了FileCoverage等类型定义
这些变更导致示例代码无法正常工作,主要表现在安装依赖时无法获取已移除的类型定义文件,以及运行时访问不存在的API属性。
修复步骤
第一步:更新package.json
首先需要从package.json中移除对过时功能API的引用:
// 移除以下内容
"enabledApiProposals": [
"testCoverage"
],
第二步:删除过时的类型定义文件
删除项目中的vscode.proposed.testCoverage.d.ts文件,因为相关类型定义已内置到VS Code中。
第三步:更新扩展代码
核心修改点包括:
- 替换executionCount为executed属性
- 使用新的addCoverage方法替代coverageProvider
- 调整覆盖率数据更新逻辑
// 修改前的代码
lineInfo.executionCount++;
// 修改后的代码
if (typeof lineInfo.executed === 'boolean') {
lineInfo.executed = true;
} else if (typeof lineInfo.executed === 'number') {
lineInfo.executed++;
}
第四步:实现新的覆盖率提供方式
不再使用TestRun.coverageProvider,而是直接通过addCoverage方法添加覆盖率数据:
for (const [uri, statements] of coveredLines) {
run.addCoverage(
vscode.FileCoverage.fromDetails(
vscode.Uri.parse(uri),
statements.filter((s): s is vscode.StatementCoverage => !!s)
)
);
}
技术要点解析
-
覆盖率数据类型:VS Code现在支持更灵活的覆盖率表示方式,executed属性可以是数字或布尔值,表示精确的执行次数或简单的覆盖状态。
-
文件覆盖率:FileCoverage类现在内置在VS Code API中,可以直接使用fromDetails静态方法从详细覆盖率数据创建实例。
-
实时更新:通过addCoverage方法可以在测试运行过程中动态添加覆盖率数据,相比之前的provider方式更加灵活。
-
兼容性考虑:修改后的代码需要VS Code 1.88或更高版本才能正常运行,这是使用新API的必要条件。
总结
本文介绍了如何更新VS Code测试覆盖率提供器示例以适应最新的API变更。通过这些修改,开发者可以继续利用VS Code强大的测试覆盖率功能,同时遵循最新的API设计。对于正在开发测试相关扩展的开发者来说,理解这些变更对于保持扩展的兼容性和功能性至关重要。
在实际开发中,建议定期检查VS Code的API变更日志,特别是当使用功能API时,因为这些API在稳定前可能会发生较大变化。同时,测试覆盖率功能的增强也为开发者提供了更多可能性,如支持更详细的覆盖率可视化或与持续集成系统的深度集成。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00