karma-browserify - 快速高效的浏览器端测试解决方案
karma-browserify 是一个专为 Karma 设计的高效 Browserify 集成插件,它能轻松处理大规模的前端项目,并且支持快速的自动重载功能。
安装与使用
要获取这个插件,可以通过 npm 进行安装,同时还需要安装 browserify 和 watchify,用于自动化构建和监视文件变化。
npm install --save-dev karma-browserify browserify watchify
在你的 Karma 配置文件中添加 browserify 作为框架,并配置相应的预处理器。
module.exports = function(karma) {
karma.set({
frameworks: [ 'browserify', 'jasmine' ],
files: ['test/**/*.js'],
preprocessors: {
'test/**/*.js': [ 'browserify' ]
},
browserify: {
debug: true,
transform: [ 'brfs' ]
}
});
}
查看 示例目录 获取一个简单的结合了 browserify 和 jasmine 的测试项目实例。
功能特性
浏览器ify配置
你可以直接通过 Karma 的 browserify 属性来配置测试捆绑包。所有的 browserify 配置选项都可以在这里设置。
例如,为了生成源码映射便于调试:
browserify: {
debug: true
}
以下三个属性不会直接传递给 browserify:
- 转换(Transforms)
- 插件(Plugins)
- 额外的捆绑配置(Additional Bundle Configuration)
转换(Transforms)
如果你使用 CoffeeScript, JSX 或其他工具,需要在打包前转换源文件,可以指定 browserify 转换器(transform)。
browserify: {
transform: [ 'reactify', 'coffeeify', 'brfs' ],
extensions: ['.js', '.jsx', '.coffee'] // 别忘了注册扩展名
}
插件(Plugins)
browserify 插件 支持同样的语法。
browserify: {
plugin: [ 'stringify' ]
}
额外的捆绑配置(Additional Bundle Configuration)
你可以在 configure 函数里进行进一步的捆绑配置,该函数会接收一个 browserify 实例作为参数。这非常适用于配置如 externals 这样的需求:
browserify: {
configure: function(bundle) {
bundle.on('prebundle', function() {
bundle.external('foobar');
});
}
}
Watchify 配置
你可以通过 config.watchify 来配置底层的 watchify,以便对文件变更检测进行微调。
watchify: {
poll: true
}
工作原理
karma-browserify 是一个 Karma 预处理器,将测试文件和依赖合并到一个 browserify 捆绑包中。它利用 watchify 在 autoWatch=true 时生成并更新捆绑包。初始运行时,我们为所有测试用例和依赖创建一个捆绑包。一旦有文件改变,它就会增量地更新捆绑包。每个被 Karma 加载的文件都会通过一个存根在捆绑包中引入,确保测试在每次运行时只执行一次。
全面配置
下面是一个包含所有 browserify 相关选项的 Karma 配置示例:
module.exports = function(karma) {
karma.set({
frameworks: [ 'browserify', 'jasmine' ],
files: [
'some-non-cjs-library.js',
'test/**/*.js'
],
preprocessors: {
'test/**/*.js': [ 'browserify' ]
},
logLevel: 'LOG_DEBUG',
autoWatch: true,
browserify: {
debug: true,
transform: [ 'brfs' ],
configure: function(bundle) {
bundle.on('prebundle', function() {
bundle.external('foobar');
});
}
}
});
};
相关项目
karma-browserify 建立在原本的 karma-browserify 和 karma-browserifast 之上,吸取了它们的经验教训,提供了更完善的可配置性,更快的速度以及处理大型项目的能力。
维护者
由 Ben Drucker 和 Nico Rehwaldt 主导维护。
许可证
本项目遵循 MIT 开源许可证。
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