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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00