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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00