Cangkuk Vedro
Vedro menawarkan kebolehlanjutan yang berkuasa melalui sistem pemalamnya, membolehkan anda mencipta penyelesaian yang teguh dan boleh diguna semula yang boleh dikongsi merentas projek dan pasukan yang berbeza. Tetapi bagaimana jika anda hanya bereksperimen dengan pangkalan kod anda, membuat prototaip konsep atau menambah tweak kecil? Menulis pemalam penuh mungkin terasa seperti berlebihan. Di situlah vedro-hooks masuk.
vedro-hooks ialah perpustakaan ringan yang membolehkan anda melampirkan cangkuk tersuai pada pelbagai acara Vedro. Sama ada anda memulakan pelayan olok-olok sebelum ujian dijalankan, melancarkan penyemak imbas untuk ujian hujung ke hujung atau menyediakan pengelogan tersuai, vedro-hooks membolehkan anda menyuntik kefungsian dengan boilerplate yang minimum.
Contoh Praktikal
Andaikan anda ingin mengenal pasti ujian perlahan dalam suite anda — mari kita takrifkan "perlahan" sebagai sebarang ujian yang mengambil masa lebih lama daripada 1 saat untuk dijalankan. Secara tradisinya, anda perlu membuat pemalam tersuai untuk ini. Begini rupanya:
from vedro.core import Dispatcher, Plugin, PluginConfig from vedro.events import ScenarioFailedEvent, ScenarioPassedEvent class SlowTestPlugin(Plugin): def subscribe(self, dispatcher: Dispatcher): dispatcher.listen(ScenarioPassedEvent, self.on_scenario_end) dispatcher.listen(ScenarioFailedEvent, self.on_scenario_end) def on_scenario_end(self, event: ScenarioPassedEvent | ScenarioFailedEvent): elapsed = event.scenario_result.elapsed if elapsed > 1.0: event.scenario_result.add_extra_details("⚠️ Slow test!") class SlowTestPluginConfig(PluginConfig): plugin = SlowTestPlugin
Pendekatan ini berfungsi, tetapi mencipta pemalam yang lengkap melibatkan lebih banyak persediaan dan pelat dandang tambahan. Ia bagus untuk penyelesaian yang boleh diguna semula tetapi boleh berasa menyusahkan untuk percubaan pantas.
Memudahkan dengan Cangkuk
Dengan cangkuk vedro, anda boleh mencapai fungsi yang sama dengan hanya beberapa baris kod:
from vedro_hooks import on_scenario_passed, on_scenario_failed @on_scenario_passed @on_scenario_failed def highlight_slow_tests(event): elapsed = event.scenario_result.elapsed if elapsed > 1.0: event.scenario_result.add_extra_details("⚠️ Slow test!")
Kod ini menggunakan penghias untuk mendaftarkan fungsi yang akan dipanggil apabila senario lulus atau gagal. Ia menyemak masa berlalu dan menambah butiran tambahan jika senario mengambil masa lebih lama daripada 1 saat.
Scenarios * ✔ retrieve user info (0.52s) ✔ retrieve user repos (1.02s) |> ⚠️ Slow test! # 2 scenarios, 2 passed, 0 failed, 0 skipped (1.54s)
Mengurus Cangkuk: Kelemahan dan Penyelesaian
Satu kelemahan menggunakan cangkuk dengan cara ini ialah ia boleh didaftarkan dari mana-mana sahaja dalam projek anda, yang mungkin menjadikannya lebih sukar untuk dijejaki kemudian. Sebaliknya, pemalam dalam Vedro didaftarkan dalam fail vedro.cfg.py, menyediakan lokasi terpusat untuk semua konfigurasi pemalam anda.
Untuk membantu mengurangkan kelemahan cangkuk yang didaftarkan di seluruh pangkalan kod anda, vedro-hooks menyediakan hujah baris arahan --hooks-show. Apabila didayakan, selepas proses ujian selesai, ringkasan semua cangkuk berdaftar bersama lokasi sumbernya akan dipaparkan. Ini berguna untuk nyahpepijat dan mengesahkan cangkuk yang aktif.
Scenarios * ✔ retrieve user repos # [vedro-hooks] Hooks: # - 'highlight_slow_tests' (ScenarioFailedEvent) vedro.cfg.py:26 # - 'highlight_slow_tests' (ScenarioPassedEvent) vedro.cfg.py:26 # 1 scenario, 1 passed, 0 failed, 0 skipped (0.55s)
Walaupun --hooks-show membantu, anda perlu ingat untuk menggunakannya semasa nyahpepijat. Masih menjadi amalan terbaik untuk mendaftarkan cangkuk anda di lokasi pusat seperti vedro.cfg.py untuk mengekalkan kejelasan dan konsistensi dengan konfigurasi pemalam.
Kesimpulan
vedro-hooks ialah alat yang hebat untuk mempertingkatkan ujian Vedro anda tanpa perlu membuat pemalam tersuai. Ia bersinar apabila anda memerlukan penyelesaian yang cepat dan fokus untuk melanjutkan fungsi. Dengan menggunakannya dengan bijak dan memastikan konfigurasi anda teratur, anda boleh menikmati yang terbaik dari kedua-dua dunia: kesederhanaan dan kebolehselenggaraan.
Atas ialah kandungan terperinci Cangkuk Vedro. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
