Swift-Testing 6.1 版本发布:全面增强测试框架能力
2025-06-24 09:14:00作者:柯茵沙
项目简介
Swift-Testing 是苹果官方推出的新一代 Swift 测试框架,旨在为 Swift 开发者提供更现代化、更强大的测试工具。作为 XCTest 的替代方案,它引入了许多创新特性,如更灵活的测试组织方式、更丰富的断言功能以及更好的并发支持。本次发布的 6.1 版本在原有基础上进行了大量功能增强和问题修复。
主要更新内容
1. 退出测试功能增强
6.1 版本对退出测试(exit tests)进行了多项改进:
- 新增了对 Windows 平台信号处理的支持
- 改进了子进程生成机制,现在会在生成子进程前重置默认信号处理器
- 增加了收集子进程 stdout 和 stderr 输出的能力
- 优化了退出测试的错误记录机制,能更好地区分测试中的错误和记录的issue
这些改进使得开发者能够更全面地验证应用程序的退出行为和异常处理逻辑。
2. 测试附件支持
这是一个重要的新特性,允许测试附加额外数据以丰富测试报告:
func testWithAttachment() async throws {
let data = Data("test data".utf8)
try attach(data, named: "Test Data", metadata: ["format": "text"])
// 测试逻辑...
}
附件可以包含任意类型的数据,并支持添加元数据。这在调试复杂测试时特别有用,可以附加日志、截图或其他诊断信息。
3. 范围确认断言
新增了对范围确认(range-based confirmations)的支持:
func testRangeConfirmation() {
let values = [1, 2, 3, 4, 5]
confirmation(values, in: 3...7) // 确认数组中有3-7个元素
}
这使得验证集合大小等场景更加直观和类型安全。
4. 错误处理改进
- 现在
#expect(throws:)和#require(throws:)会返回抛出的错误,便于进一步验证 - 改进了错误回溯捕获机制,支持从 Foundation 错误中获取回溯信息
- 增加了环境变量控制是否捕获错误回溯
5. 平台兼容性增强
- 新增对 Android 平台的基本支持
- 改进了 FreeBSD 平台支持
- 修复了 Windows 平台上的多个问题
- 优化了 WASI 平台的兼容性
其他重要改进
性能优化
- 减少了
#expect()宏的事件处理开销 - 优化了回溯捕获的性能
- 改进了原子操作的使用
宏系统改进
- 修复了宏扩展中的格式化问题
- 解决了宏嵌套使用时的编译器崩溃问题
- 简化了生成的测试函数名称
类型系统支持
- 支持将 move-only 类型作为测试套件
- 改进了对不可逃逸类型的诊断
- 增强了泛型在测试附件中的使用
迁移建议
对于从早期版本迁移的用户:
- 检查所有使用
#expect(throws:)的地方,现在可以获取返回的错误值进行进一步验证 - 考虑使用新的测试附件功能替换原有的日志输出方式
- 对于集合大小验证,可以使用新的范围确认语法
- 如果使用了自定义执行特性,需要根据新的 Trait API 进行调整
总结
Swift-Testing 6.1 版本标志着该框架的成熟度又上了一个台阶。通过引入测试附件、增强退出测试、改进错误处理等特性,它为 Swift 开发者提供了更全面、更强大的测试工具。特别是对多平台的支持和性能优化,使得它成为现代 Swift 项目测试的理想选择。
随着 Swift 6 的演进,Swift-Testing 也在不断完善其功能集和开发者体验,值得所有 Swift 开发者关注和采用。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
962
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
873
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430