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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134