jasmine-jquery 技术文档
1. 安装指南
1.1 下载并手动引入
你可以直接从 GitHub 下载 jasmine-jquery.js 文件,并将其包含在你的 Jasmine 测试运行文件中。确保同时引入 jQuery 库,因为 jasmine-jquery 依赖于它。
1.2 使用 Bower 安装
通过 Bower 安装 jasmine-jquery,运行以下命令:
bower install jasmine-jquery --save
1.3 在 Ruby on Rails 中使用
对于 Ruby on Rails 项目,可以使用 jasmine-jquery-rails gem。推荐遵循标准的 RSpec 和 Jasmine 框架目录结构,将测试文件放在 spec/javascripts/ 目录下。将 jasmine-jquery 和其他库(如 jasmine-ajax)放在 spec/javascripts/helpers 目录中,并将 fixtures 放在 spec/javascripts/fixtures 目录中。
2. 项目的使用说明
jasmine-jquery 为 Jasmine JavaScript 测试框架提供了两个扩展:
- jQuery 自定义匹配器:用于测试 jQuery 框架的元素。
- HTML、CSS 和 JSON 的 fixtures 处理 API:用于在测试中加载和处理 HTML、CSS 和 JSON 数据。
2.1 jQuery 自定义匹配器
jasmine-jquery 提供了多种自定义匹配器,用于测试 jQuery 元素的各种属性、状态和行为。例如:
toBeChecked():检查元素是否被选中。toBeDisabled():检查元素是否被禁用。toBeVisible():检查元素是否可见。toHaveText(string):检查元素是否包含指定的文本。
2.2 HTML Fixtures
jasmine-jquery 的 Fixture 模块允许你在测试中加载 HTML 内容。你可以将 HTML 内容放在外部文件中,然后在测试中通过 loadFixtures 方法加载。
例如,在 myfixture.html 文件中:
<div id="my-fixture">some complex content here</div>
在测试中:
loadFixtures('myfixture.html');
$('#my-fixture').myTestedPlugin();
expect($('#my-fixture')).to...
3. 项目API使用文档
3.1 自定义匹配器 API
jasmine-jquery 提供了丰富的自定义匹配器,用于测试 jQuery 元素的各种属性、状态和行为。以下是一些常用的匹配器:
toBeChecked():检查元素是否被选中。toBeDisabled():检查元素是否被禁用。toBeVisible():检查元素是否可见。toHaveText(string):检查元素是否包含指定的文本。toHaveClass(className):检查元素是否包含指定的类名。toHaveHtml(string):检查元素是否包含指定的 HTML 内容。
3.2 Fixtures API
jasmine-jquery 提供了多种方法来加载和管理 fixtures:
load(fixtureUrl[, fixtureUrl, ...]):从文件加载一个或多个 fixtures,并自动将其附加到 DOM 中。read(fixtureUrl[, fixtureUrl, ...]):从文件加载一个或多个 fixtures,但不将其附加到 DOM 中,而是返回其内容。set(html):直接设置 HTML 内容,并自动将其附加到 DOM 中。preload(fixtureUrl[, fixtureUrl, ...]):预加载一个或多个 fixtures,并将其存储在缓存中,以便后续使用。
4. 项目安装方式
4.1 手动安装
直接下载 jasmine-jquery.js 文件,并将其包含在你的 Jasmine 测试运行文件中。确保同时引入 jQuery 库。
4.2 使用 Bower 安装
通过 Bower 安装 jasmine-jquery,运行以下命令:
bower install jasmine-jquery --save
4.3 在 Ruby on Rails 中安装
使用 jasmine-jquery-rails gem 进行安装,并遵循标准的 RSpec 和 Jasmine 框架目录结构。
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