SwiftFormat中测试规则时处理docComments规则的注意事项
在SwiftFormat项目中编写自定义格式化规则测试时,开发者可能会遇到一个常见问题:即使测试一个空规则实现,测试也会因为docComments规则而失败。本文将深入分析这一现象的原因,并提供两种有效的解决方案。
问题现象
当开发者创建一个空的格式化规则并编写测试时,如以下示例:
public let testRule = FormatRule(help: "Test.") { _ in }
然后编写测试用例:
func testSome() {
let input = """
guard let somethingTwo = test.somethingTwo else {
return
}
// commentOne
guard let somethingOne = test.somethingOne else {
return
}
// commentTwo
let something = xxx
"""
let output = """
guard let somethingTwo = test.somethingTwo else {
return
}
// commentOne
guard let somethingOne = test.somethingOne else {
return
}
// commentTwo
let something = xxx
"""
testFormatting(for: input, output, rule: FormatRules.testRule)
}
测试会失败,错误信息显示docComments规则将// commentTwo修改为了/// commentTwo。
原因分析
这个问题的根本原因在于testFormatting函数的实际行为。该函数不仅会应用指定的规则,还会默认应用所有其他格式化规则。这是SwiftFormat测试框架的预期行为,目的是确保新规则不会与其他现有规则产生冲突。
具体来说:
testFormatting会首先应用所有格式化规则处理输入代码- 然后才会应用开发者指定的特定规则
- 最后验证输出是否符合预期
因此,即使测试一个空规则实现,其他规则(如docComments)仍然会生效并修改代码。
解决方案
方案一:调整测试输入以符合docComments规则
修改测试用例中的注释,使其符合docComments规则的预期。将单行注释//改为文档注释///:
let input = """
// ...其他代码...
/// commentTwo
let something = xxx
"""
let output = """
// ...其他代码...
/// commentTwo
let something = xxx
"""
这种方法的优点是:
- 保持测试简洁,不需要额外配置
- 确保测试代码本身符合SwiftFormat的所有规则
- 更接近真实使用场景
方案二:显式排除docComments规则
在测试调用中明确排除docComments规则:
testFormatting(for: input, output, rule: FormatRules.testRule, exclude: ["docComments"])
这种方法的优点是:
- 允许测试专注于特定规则的行为
- 不需要修改测试输入来符合其他规则
- 当确实需要测试不符合docComments规则的代码时特别有用
最佳实践建议
-
优先考虑方案一:在大多数情况下,调整测试代码使其符合所有格式化规则是更好的选择,因为这更接近实际使用场景。
-
理解测试框架行为:编写测试时,要意识到
testFormatting会应用所有规则,而不仅仅是指定的规则。 -
保持测试代码规范:即使测试代码也应该遵循良好的格式规范,这有助于提高代码质量和可维护性。
-
合理使用排除选项:只有在确实需要测试不符合某些规则的特定场景时,才使用
exclude参数。
实际案例
假设我们正在开发一个处理guard语句间距的规则,测试用例可以这样编写:
func testGuardSpacing() {
let input = """
guard let somethingTwo = test.somethingTwo else {
return
}
/// 这是一个文档注释
guard let somethingOne = test.somethingOne else {
return
}
let something = xxx
"""
let output = """
guard let somethingTwo = test.somethingTwo else {
return
}
/// 这是一个文档注释
guard let somethingOne = test.somethingOne else {
return
}
let something = xxx
"""
testFormatting(for: input, output, rule: FormatRules.guardSpacing)
}
注意我们使用了///文档注释,这样测试就能顺利通过,而不受docComments规则的干扰。
总结
理解SwiftFormat测试框架的工作机制对于编写有效的规则测试至关重要。通过合理处理docComments规则的影响,开发者可以创建更可靠、更易维护的测试用例。无论是调整测试代码使其符合所有规则,还是选择性地排除某些规则,都有其适用场景,开发者应根据具体情况选择最合适的方法。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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