jasmine-node 技术文档
2024-12-20 21:31:20作者:江焘钦
1. 安装指南
要安装最新的官方版本,请使用 NPM:
npm install jasmine-node -g
如果要安装最新的 bleeding edge 版本,请克隆此仓库并检出 beta 分支。
2. 项目的使用说明
将您的代码规范写在 spec/ 目录下的 *.js 和 *.coffee 文件中。您可以使用子目录来更好地组织您的规范。在规范中使用 describe()、it() 等方法,与客户端 jasmine 规范完全相同。
注意:您的规范文件必须命名为 *spec.js、*spec.coffee 或 *spec.litcoffee,以匹配正则表达式 /spec\.(js|coffee|litcoffee)$/i;否则,jasmine-node 将无法找到它们!
例如,sampleSpecs.js 是错误的,sampleSpec.js 是正确的。
如果您已安装 npm 包,可以通过以下方式运行:
jasmine-node spec/
如果您没有使用 npm,请将 pwd/lib 添加到 $NODE_PATH 环境变量中,然后运行:
node lib/jasmine-node/cli.js
3. 项目API使用文档
以下是可以提供给用户的一些命令行参数:
--autotest:在每个更改后自动执行规范。--watch:与--autotest一起使用时,将监视--watch后的路径变化,允许监视规范目录外的更改。--coffee:允许执行.coffee和.litcoffee规范。--color:指示规范输出应使用颜色来区分通过(绿色)或失败(红色)的规范。--noColor:在输出中不使用颜色。-m, --match REGEXP:仅匹配包含 "REGEXPspec" 的规范。--matchall:放宽规范文件名中 "spec" 的要求。--verbose:规范运行时的详细输出。--junitreport:将测试结果导出为 junitreport xml 格式。--output FOLDER:定义 junitreport 文件的输出文件夹。--teamcity:将所有控制台输出转换为 teamcity 自定义测试运行器命令(通常自动检测)。--growl:在 Growl 通知中显示测试运行摘要(需要单独安装 Growl)。--runWithRequireJs:使用 requirejs 而不是 node 的原生 require 方法加载所有规范。--requireJsSetup:在规范之前运行的文件,用于包含和配置 RequireJS。--test-dir:测试所在的绝对根目录路径。--nohelpers:不加载帮助函数。--forceexit:测试完成后强制退出。--captureExceptions:监听全局异常,报告并退出(与 Domains 在 NodeJs 中冲突,因此如果使用 Domains,请不要使用此选项)。--config NAME VALUE:在process.env中设置全局变量。--noStack:从测试失败中抑制堆栈跟踪。
单个文件可以作为裸参数添加到参数列表的末尾。
示例:
jasmine-node --coffee spec/AsyncSpec.coffee spec/CoffeeSpec.coffee spec/SampleSpec.js
4. 项目安装方式
请参考上述“安装指南”部分。
以上就是关于 jasmine-node 项目的技术文档,希望对您有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220