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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253