Python Unit Test Reporting to TeamCity 技术文档
本文档旨在帮助用户了解如何使用 teamcity-messages 项目,将 Python 单元测试结果报告到 TeamCity 持续集成服务器。文档内容包括安装指南、使用说明、API 使用文档以及项目安装方式。
1. 安装指南
使用 pip 安装
你可以通过 pip 命令安装 teamcity-messages 包:
pip install teamcity-messages
从源码安装
你也可以从源码安装该项目:
python setup.py install
2. 项目的使用说明
teamcity-messages 包通过发送服务消息来向 TeamCity 报告构建状态。以下是如何在不同测试框架中使用该包的说明。
unittest
如果你使用 Python 自带的 unittest 框架,可以通过修改测试运行器来集成 TeamCity 报告功能:
import unittest
from teamcity import is_running_under_teamcity
from teamcity.unittestpy import TeamcityTestRunner
class Test(unittest.TestCase):
...
if __name__ == '__main__':
if is_running_under_teamcity():
runner = TeamcityTestRunner()
else:
runner = unittest.TextTestRunner()
unittest.main(testRunner=runner)
你也可以在命令行中使用以下命令来运行测试:
python -m teamcity.unittestpy
nose
在 TeamCity 构建环境下,nose 的测试状态报告会自动启用。
py.test
在 TeamCity 构建环境下,py.test 的测试状态报告会自动启用。
Django
对于 Django 1.6+,你可以在 settings.py 中修改 TEST_RUNNER 设置,使用 TeamcityDjangoRunner 替代默认的 DiscoverRunner:
TEST_RUNNER = "teamcity.django.TeamcityDjangoRunner"
flake8
在 TeamCity 构建环境下,flake8 的测试状态报告会自动启用。
PyLint
在运行 pylint 时,添加 --output-format=teamcity.pylint_reporter.TeamCityReporter 参数:
pylint --output-format=teamcity.pylint_reporter.TeamCityReporter
tox
在 tox 的测试虚拟环境中传递 TEAMCITY_VERSION 环境变量:
[testenv]
passenv = TEAMCITY_VERSION
Twisted trial
在运行 trial 时,添加 --reporter=teamcity 参数:
trial --reporter=teamcity
Behave
对于 Behave 1.2.6,你可以通过以下代码启用 TeamCity 报告:
from behave.formatter import _registry
from behave.configuration import Configuration
from behave.runner import Runner
from teamcity.jb_behave_formatter import TeamcityFormatter
_registry.register_as("TeamcityFormatter", TeamcityFormatter)
configuration = Configuration()
configuration.format = ["TeamcityFormatter"]
configuration.stdout_capture = False
configuration.stderr_capture = False
Runner(configuration).run()
3. 项目 API 使用文档
teamcity-messages 提供了以下主要 API:
is_running_under_teamcity(): 检查当前是否在 TeamCity 环境下运行。TeamcityTestRunner: 用于unittest框架的测试运行器。TeamcityDjangoRunner: 用于 Django 的测试运行器。TeamcityFormatter: 用于 Behave 的格式化器。
4. 项目安装方式
使用 pip 安装
pip install teamcity-messages
从源码安装
python setup.py install
通过以上步骤,你可以成功安装并使用 teamcity-messages 包,将 Python 单元测试结果报告到 TeamCity 持续集成服务器。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00