Test Reporter 使用教程
1. 项目介绍
Test Reporter 是一个 GitHub Action,用于直接在 GitHub 中显示来自流行测试框架的测试结果。它能够解析 XML 或 JSON 格式的测试结果,并创建漂亮的报告。Test Reporter 支持多种编程语言和测试框架,包括 .NET (xUnit, NUnit, MSTest)、Dart、Flutter、Java (JUnit)、JavaScript (JEST, Mocha) 等。
2. 项目快速启动
2.1 安装
首先,在你的 GitHub 仓库中创建一个 .github/workflows 目录,并在其中创建一个 .yml 文件(例如 test-reporter.yml)。
2.2 配置 GitHub Action
在 .yml 文件中添加以下内容:
name: Test Reporter
on:
pull_request:
push:
jobs:
build-test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- run: npm ci
- run: npm test
- name: Test Report
uses: dorny/test-reporter@v1
if: success() || failure()
with:
name: JEST Tests
path: reports/jest-*.xml
reporter: jest-junit
2.3 运行测试
提交并推送你的更改,GitHub Actions 将自动运行测试并生成测试报告。
3. 应用案例和最佳实践
3.1 公共仓库的最佳实践
对于公共仓库,建议使用两个独立的 GitHub Actions 工作流:
- CI 工作流:在 PR 头分支的上下文中运行,执行测试并将测试结果上传为构建工件。
- Test Report 工作流:在仓库主分支的上下文中运行,下载测试结果并创建报告。
示例配置如下:
# CI 工作流
name: 'CI'
on:
pull_request:
jobs:
build-test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- run: npm ci
- run: npm test
- uses: actions/upload-artifact@v4
if: success() || failure()
with:
name: test-results
path: jest-junit.xml
# Test Report 工作流
name: 'Test Report'
on:
workflow_run:
workflows: ['CI']
types: [completed]
permissions:
contents: read
actions: read
checks: write
jobs:
report:
runs-on: ubuntu-latest
steps:
- uses: dorny/test-reporter@v1
with:
artifact: test-results
name: JEST Tests
path: '*.xml'
reporter: jest-junit
3.2 私有仓库的最佳实践
对于私有仓库,可以直接使用单个工作流来运行测试并生成报告。
4. 典型生态项目
4.1 GitHub Actions
Test Reporter 是 GitHub Actions 生态系统的一部分,可以与其他 GitHub Actions 无缝集成,例如 actions/checkout 和 actions/upload-artifact。
4.2 JEST
JEST 是一个流行的 JavaScript 测试框架,Test Reporter 支持 JEST 生成的 JUnit XML 格式的测试结果。
4.3 NUnit
NUnit 是一个 .NET 测试框架,Test Reporter 支持 NUnit 生成的 XML 格式的测试结果。
4.4 JUnit
JUnit 是一个 Java 测试框架,Test Reporter 支持 JUnit 生成的 XML 格式的测试结果。
通过以上步骤,你可以轻松地在 GitHub 中集成 Test Reporter,并生成漂亮的测试报告。
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