Snapshooter 使用教程
2024-09-15 08:44:11作者:申梦珏Efrain
1. 项目介绍
Snapshooter 是一个灵活的快照测试工具,旨在简化 .NET Core 和 .NET Framework 中的单元测试结果验证。它基于 Jest 快照测试的理念,允许开发者在单元测试中轻松地进行结果验证。Snapshooter 支持 XUnit、NUnit 和 MSTest 等主流测试框架,并提供了丰富的功能,如忽略字段、哈希字段和自定义断言等。
2. 项目快速启动
安装 Snapshooter
首先,你需要在你的项目中安装 Snapshooter。你可以通过 NuGet 包管理器来安装:
XUnit
dotnet add package Snapshooter.Xunit
NUnit
dotnet add package Snapshooter.NUnit
MSTest
dotnet add package Snapshooter.MSTest
编写快照测试
以下是一个简单的快照测试示例,使用 XUnit 框架:
using Snapshooter.Xunit;
using Xunit;
public class PersonServiceTests
{
[Fact]
public void CreatePersonSnapshotTest()
{
// Arrange
var serviceClient = new ServiceClient();
// Act
var person = serviceClient.CreatePerson(
Guid.Parse("2292F21C-8501-4771-A070-C79C7C7EF451"),
"David",
"Mustermann");
// Assert
Snapshot.Match(person);
}
}
运行测试
运行上述测试后,Snapshooter 会自动生成一个快照文件,并将其存储在 __snapshots__ 文件夹中。快照文件的名称格式为 <UnitTestClassName>.<TestMethodName>.snap。
验证快照
当你修改了测试代码或被测试的代码后,再次运行测试时,Snapshooter 会自动比较新生成的快照与已有的快照。如果两者不匹配,测试将会失败,并提示你检查差异。
3. 应用案例和最佳实践
忽略字段
在某些情况下,你可能希望在快照比较中忽略某些字段。例如,某些字段可能是动态生成的,如时间戳或 GUID。你可以使用 IgnoreField 方法来忽略这些字段:
[Fact]
public void CreatePersonSnapshot_IgnoreId()
{
// Arrange
var serviceClient = new ServiceClient();
// Act
var person = serviceClient.CreatePerson("Hans", "Muster");
// Assert
Snapshot.Match<Person>(person, matchOptions => matchOptions.IgnoreField("Id"));
}
哈希字段
对于包含大量数据的字段(如二进制数据),你可以使用 HashField 方法来生成哈希值,并在比较时只比较哈希值:
[Fact]
public void ImageSnapshot_HashImageBinary()
{
// Arrange
var serviceClient = new ServiceClient();
// Act
var image = serviceClient.CreateMonaLisaImage();
// Assert
Snapshot.Match(image, matchOptions => matchOptions.HashField("Data"));
}
自定义断言
Snapshooter 还支持自定义断言,允许你在快照比较中添加额外的验证逻辑:
[Fact]
public void CreatePersonSnapshot_AssertId()
{
// Arrange
var serviceClient = new ServiceClient();
// Act
var person = serviceClient.CreatePerson("Hans", "Muster");
// Assert
Snapshot.Match<Person>(person, matchOption => matchOption
.Assert(fieldOption => Assert.NotEqual(Guid.Empty, fieldOption.Field<Guid>("Id"))));
}
4. 典型生态项目
Snapshooter 主要用于 .NET 生态系统中的单元测试。以下是一些与 Snapshooter 相关的典型项目:
- XUnit: 一个流行的 .NET 单元测试框架,Snapshooter 提供了对 XUnit 的支持。
- NUnit: 另一个广泛使用的 .NET 单元测试框架,Snapshooter 同样支持 NUnit。
- MSTest: Microsoft 提供的单元测试框架,Snapshooter 也提供了对 MSTest 的支持。
- FluentAssertions: 一个强大的断言库,可以与 Snapshooter 结合使用,提供更丰富的断言功能。
通过结合这些工具,你可以构建一个强大且灵活的测试套件,确保你的 .NET 应用程序的稳定性和可靠性。
登录后查看全文
热门项目推荐
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
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
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++
876
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
136