Sniffer 项目技术文档
2024-12-20 20:24:17作者:房伟宁
1. 安装指南
1.1 安装 Sniffer
要安装 sniffer,请在终端中运行以下命令:
pip install sniffer
1.2 安装依赖库
根据你的操作系统,安装相应的文件系统监控库以提高性能:
-
Linux: 安装
pyinotifypip install pyinotify -
Windows: 安装
pywin32pip install pywin32 -
Mac OS X 10.5+: 安装
MacFSEventspip install MacFSEvents
1.3 可选依赖库
如果你需要额外的通知支持,可以安装以下库:
-
Growl 支持 (Mac OS X): 安装
gntppip install gntp -
原生 OS X 通知 (Mac OS X 10.9.4+): 安装
osxnotify和libosxnotifypip install osxnotify pip install libosxnotify -
LibNotify 支持 (Linux): 安装
py-notifypip install py-notify
2. 项目的使用说明
2.1 基本使用
安装完成后,在项目目录中运行以下命令:
sniffer
sniffer 会自动检测代码变化并重新运行测试。你可以使用 sniffer --help 查看所有可用选项。
2.2 传递 Nose 参数
你可以通过 -x 前缀传递 Nose 参数,例如:
sniffer -x--with-doctest
2.3 高级用法
如果你不想使用 Nose,可以在当前工作目录中创建一个 scent.py 文件,自定义 sniffer 的行为。例如:
from sniffer.api import *
import os, termstyle
pass_fg_color = termstyle.green
pass_bg_color = termstyle.bg_default
fail_fg_color = termstyle.red
fail_bg_color = termstyle.bg_default
watch_paths = ['.', 'tests/']
@file_validator
def py_files(filename):
return filename.endswith('.py') and not os.path.basename(filename).startswith('.')
@runnable
def execute_nose(*args):
import nose
return nose.run(argv=list(args))
3. 项目API使用文档
3.1 API 概述
sniffer 提供了一个小型的 API,允许用户自定义文件验证和测试执行。主要 API 包括:
file_validator: 用于定义文件验证函数,决定哪些文件变化会触发测试。runnable: 用于定义测试执行函数,决定如何运行测试。select_runnable: 用于选择特定的runnable函数。
3.2 示例
以下是一个使用 file_validator 和 runnable 的示例:
@file_validator
def py_files(filename):
return filename.endswith('.py') and not os.path.basename(filename).startswith('.')
@runnable
def execute_nose(*args):
import nose
return nose.run(argv=list(args))
4. 项目安装方式
4.1 通过 pip 安装
最简单的安装方式是通过 pip 安装:
pip install sniffer
4.2 手动安装
你也可以从 GitHub 下载源码并手动安装:
git clone https://github.com/jeffh/sniffer.git
cd sniffer
python setup.py install
4.3 依赖库安装
根据你的操作系统,安装相应的依赖库以提高性能。
通过以上步骤,你应该能够顺利安装并使用 sniffer 项目。如果在使用过程中遇到问题,可以参考项目的 GitHub Wiki 或提交 Issue。
登录后查看全文
热门项目推荐
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 StartedRust0117- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
718
4.58 K
Ascend Extension for PyTorch
Python
583
718
deepin linux kernel
C
28
16
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++
963
959
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
419
364
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
712
115
🎉 (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
1.63 K
955
昇腾LLM分布式训练框架
Python
154
180
Oohos_react_native
React Native鸿蒙化仓库
C++
342
390
暂无简介
Dart
957
238