Snapshooter 使用教程
2024-09-15 20:32:46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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
279
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
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (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
1.12 K
630
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K