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。
kernelopenEuler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。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioAgent零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理TSX0109
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