解决 ts-jest 在 React Native 0.73 测试中的预设问题
问题背景
在将 React Native 项目从 0.70 版本升级到 0.73 版本后,开发者可能会遇到一个常见的测试配置问题:validation error: Preset react-native not found.。这个错误通常出现在使用 ts-jest 进行 TypeScript 测试时,表明 Jest 无法找到 React Native 的预设配置。
问题分析
这个错误通常发生在 Jest 配置中尝试使用 react-native 预设时。在 React Native 0.73 版本中,测试配置可能需要进行一些调整才能正常工作。以下是可能导致此问题的几个常见原因:
-
过时的 resolutions 配置:某些项目中可能遗留了 package.json 中的 resolutions 字段,这可能会干扰正常的依赖解析。
-
Jest 配置不兼容:升级 React Native 后,原有的 Jest 配置可能需要更新以匹配新版本的测试需求。
-
依赖版本冲突:不同测试相关包(jest、ts-jest、babel-jest)之间的版本不兼容。
解决方案
1. 检查并移除 resolutions 配置
在 package.json 中查找是否有 resolutions 字段,特别是包含以下内容的:
"resolutions": {
"graceful-fs": "4.2.4",
"@types/react": "^17"
}
这些强制解析的依赖项可能会干扰正常的测试环境配置。建议移除整个 resolutions 字段或至少移除与测试相关的部分。
2. 更新 Jest 配置
确保你的 jest.config.js 或 package.json 中的 Jest 配置部分正确设置了预设。对于 React Native 0.73,推荐使用以下配置:
module.exports = {
preset: 'react-native',
transform: {
'^.+\\.tsx?$': 'ts-jest',
},
moduleFileExtensions: ['ts', 'tsx', 'js', 'jsx', 'json', 'node'],
transformIgnorePatterns: [
'node_modules/(?!(@react-native|react-native|react-native-vector-icons)/)',
],
};
3. 确保依赖版本兼容
检查并确保以下依赖项的版本相互兼容:
- jest
- ts-jest
- babel-jest
- @types/jest
对于 React Native 0.73,推荐使用这些包的最新稳定版本。
预防措施
为了避免未来升级时出现类似问题,建议:
- 定期更新测试相关依赖
- 在升级 React Native 主版本时,查阅官方升级指南中的测试配置变更
- 考虑使用 React Native 测试库提供的预设配置
- 维护一个干净的 package.json,避免不必要的 resolutions 配置
总结
React Native 版本升级时,测试配置往往需要相应调整。Preset react-native not found 错误通常可以通过清理 resolutions 配置、更新 Jest 设置和确保依赖兼容性来解决。保持测试环境的简洁和最新是避免这类问题的关键。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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