等待期待的真相:wait-for-expect - 整合测试的新神器
2024-05-23 22:21:35作者:侯霆垣
在集成和端到端测试中,我们经常面临一个问题:如何优雅地等待某个预期条件变为真?wait-for-expect 是一个解决此类问题的开源库,它让这一切变得简单且高效。
项目介绍
wait-for-expect 是一个用于测试的实用工具,它可以让你在异步操作(如调用外部API、数据库操作或GraphQL订阅)完成并满足预期条件后再进行断言。这个库的核心是基于Jest的期望API,通过智能地重复检查,确保你的测试在规定时间内正确执行。
项目技术分析
wait-for-expect 的工作原理是接收一个函数作为参数,该函数包含了你的expect断言。它会立即检查断言是否为真,如果不是,则会在接下来的每个“tick”里每隔50毫秒再次尝试,直到达到默认的4.5秒超时限制。如果在整个超时期间都未满足条件,它会像你的测试运行器一样最后一次执行断言,这样就能得到熟悉的错误堆栈信息。
从版本0.6.0开始,wait-for-expect 支持Promise,这意味着你可以轻松处理异步操作,例如等待某个数据库查询结果。
应用场景
- 集成测试:在React等框架中,当你模拟fetch请求并希望组件在数据加载完成后更新状态时。
- API调用测试:等待网络请求返回并验证响应。
- 数据库操作测试:在数据库操作完成后验证数据是否正确写入或读取。
- 事件驱动测试:例如,针对WebSocket连接的实时消息推送。
项目特点
- 简洁API:只需要一行代码即可实现等待期望。
- 灵活配置:可自定义超时时间和检查间隔。
- 兼容性好:与Jest和其他测试框架配合良好,支持Promise和async/await。
- 错误反馈清晰:当期望失败时,提供详细错误信息,便于调试。
以下是一个简单的示例,演示了如何使用wait-for-expect 来等待一个数字的变化:
test("它等待数字变化", async () => {
let numberToChange = 10;
setTimeout(() => {
numberToChange = 100;
}, Math.floor(Math.random() * 300));
await waitForExpect(() => {
expect(numberToChange).toEqual(100);
});
});
现在,是时候将wait-for-expect 添加到你的测试工具箱,提升你的测试效率和质量了。只需一小段代码,即可消除那些困扰你的延时和不确定性,让测试变得可靠而流畅。立即尝试,看看它如何改变你的测试体验!
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661