Slevomat Coding Standard 8.19.0版本发布:PHP 8.4属性支持与多项优化
Slevomat Coding Standard是一个广受欢迎的PHP代码规范检查工具,它基于PHP_CodeSniffer构建,提供了大量现代化的代码规范检查规则。该项目由捷克开发者Jan Mikes维护,已经成为许多PHP项目代码质量保障的重要组成部分。
PHP 8.4属性支持增强
8.19.0版本最重要的改进是对即将到来的PHP 8.4版本中新特性的支持。PHP 8.4引入了多项关于类属性的重要改进:
-
非对称可见性支持:PHP 8.4允许属性在声明时使用不同的读写可见性,例如
private readonly或public readonly private writeonly这样的组合。新版本已经完全支持这种语法,不会产生误报。 -
final/abstract属性:现在属性也可以使用
final和abstract修饰符,这在某些设计模式中非常有用。代码规范检查器已能正确处理这些修饰符。 -
属性钩子兼容性:PHP 8.4引入了属性钩子(property hooks)的概念,这是一种新的元编程特性。新版本确保这些新语法不会破坏现有的代码规范检查规则。
重要问题修复
数组部分键名检查优化
SlevomatCodingStandard.Arrays.DisallowPartiallyKeyed规则修复了误报问题。该规则原本用于检测数组中部分元素有键名而部分没有的情况,这种不一致的写法可能导致维护困难。修复后,规则能更准确地识别真正的问题代码。
类成员间距规则改进
SlevomatCodingStandard.Classes.ClassMemberSpacing规则之前在某些情况下会意外删除代码或注释,这在8.19.0版本中得到了修复。现在它能更安全地处理类成员之间的间距问题,不会影响代码的实际内容。
认知复杂度计算修正
认知复杂度(Cognitive Complexity)是衡量代码理解难度的指标。SlevomatCodingStandard.Complexity.Cognitive规则之前对do...while循环的处理有误,会将T_DO和T_WHILE都计入复杂度。实际上,一个do...while结构应该只增加一次复杂度计数,新版本已修正这一问题。
类常量类型提示灵活性增强
SlevomatCodingStandard.TypeHints.ClassConstantTypeHint规则新增了fixableNativeTypeHint选项。这个改进特别实用,现在开发者可以选择只对私有(private)常量自动添加类型提示,而保持公开(public)或受保护(protected)常体的类型提示手动维护,这在某些需要保持API稳定的场景下非常有用。
构造器属性提升修复
SlevomatCodingStandard.Classes.RequireConstructorPropertyPromotion规则修复了当参数名带有属性(attribute)时的自动修复问题。PHP 8.0引入的属性(attributes)语法现在能与此规则完美配合,确保自动修复过程不会破坏带有属性的构造函数参数。
总结
Slevomat Coding Standard 8.19.0版本在保持对最新PHP版本特性的支持同时,修复了多个实际使用中的痛点问题。特别是对PHP 8.4的前瞻性支持,体现了该项目紧跟PHP语言发展的承诺。各项修复也使得代码规范检查更加精确可靠,减少了误报和自动修复可能带来的副作用。对于追求代码质量的PHP团队来说,升级到这个版本将获得更好的开发体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00