在React-Resizable-Panels项目中使用Vitest进行测试的注意事项
2025-06-13 12:18:56作者:鲍丁臣Ursa
React-Resizable-Panels是一个用于创建可调整大小面板的React组件库。在使用Vitest进行测试时,开发者可能会遇到一些特殊问题,本文将详细介绍这些问题的原因和解决方案。
测试环境配置问题
当使用Vitest测试React-Resizable-Panels组件时,常见的错误是"Panel size not found for panel"。这个问题的根源在于Vitest默认运行的是Node构建目标,而React-Resizable-Panels的某些功能依赖于浏览器的布局效果。
在Node环境下,React不会执行布局效果相关的代码,这导致Panel组件无法正确"挂载"和注册自己,从而使测试失败。这是React的预期行为,因为在服务器端渲染场景下不需要这些效果。
解决方案:使用Vitest的浏览器模式
要解决这个问题,最有效的方法是配置Vitest运行在浏览器模式下。这需要以下配置步骤:
-
安装必要的依赖包:
- @vitest/browser(beta版本)
- playwright(用于无头浏览器测试)
- vitest(beta版本)
-
创建Vite配置文件:
import { defineConfig } from "vitest/config"; import react from "@vitejs/plugin-react"; export default defineConfig({ plugins: [react()], }); -
创建工作区配置文件:
import { defineWorkspace } from "vitest/config"; export default defineWorkspace([ { test: { include: ["src/**/*.{test,spec}.ts", "src/**/*.{test,spec}.tsx"], name: "browser", browser: { enabled: true, instances: [{ browser: "headless" }], }, }, }, ]);
测试代码示例
在浏览器模式下,可以正常测试Panel组件的命令式句柄功能。以下是一个完整的测试示例:
import { render } from "@testing-library/react";
import { createElement, createRef } from "react";
import { Panel, PanelGroup, PanelResizeHandle } from "react-resizable-panels";
import { expect, test } from "vitest";
test("命令式句柄功能测试", () => {
const ref = createRef();
render(
createElement(
PanelGroup,
{
direction: "horizontal",
},
createElement(Panel, { defaultSize: 50, id: "PanelA", ref }, "A"),
createElement(PanelResizeHandle, { panelId: "PanelResizeHandleA" }),
createElement(Panel, { defaultSize: 50, id: "Panel" }, "B")
)
);
const el = document.body.querySelector(
`[data-panel-id="${ref.current?.getId()}"]`
);
expect(el?.parentElement).toBeDefined();
expect(el?.textContent).toBe("A");
expect(ref.current?.getSize()).toEqual(50);
});
项目版本注意事项
从React-Resizable-Panels的3.0.0版本开始,项目已经针对测试环境进行了优化。如果使用3.0.2或更高版本,理论上可以简化测试配置,但仍然建议使用浏览器模式进行测试,以确保所有功能都能被正确验证。
总结
测试React-Resizable-Panels组件时,理解其依赖浏览器环境的特点非常重要。通过合理配置Vitest的浏览器模式,可以确保测试环境与真实浏览器环境一致,从而避免因环境差异导致的测试失败。对于复杂的UI组件库,这种测试方法也更具可靠性,能够更好地模拟用户实际操作场景。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92