Nano Hash - криптовалюты, майнинг, программирование

Как экспортировать результат теста JUNIT в виде XML в приложение Spring Boot для целей SonarQube?

Я уже ищу в Google и Stackoverflow этот вопрос, и у меня нет ответа на этот вопрос.

Итак, проблема в том, что у меня есть проект с Spring MVC. Я создаю простой тест следующим образом:

@Autowired
private UserLogicService logicService;;


@Test
public void helloTrue(){
    //return should be 1
    assertThat(logicService.hello(), is(1)); //test return success
}
@Test
public void helloFalse(){
    //return should be 1
    assertThat(logicService.hello(), is(2)); //test return fail
}

Затем мне нужно экспортировать его в XML, потому что я прочитал документацию SonarQube, ЗДЕСЬ. Отчеты о выполнении тестов должны соответствовать формату JUnit XML.

Я использую сторонний SonarScanner для сканирования моего проекта Spring. Поэтому мне нужно экспортировать результат JUnit в формате XML и отсканировать его с помощью SonarScanner.

Есть ли настройка для автоматического экспорта результатов теста JUnit в папку в виде XML-файла?


Ответы:


1

Я бы рекомендовал использовать инструмент сборки, такой как maven или gradle. Там вы можете найти плагины, которые помогут вам.

плагины Gradle

17.11.2016
  • Ах забыл упомянуть, я использую Maven. Я просто искал и неожиданно нашел этот stackoverflow.com/questions/3282767/ Спасибо за ответ, вдруг просветите. 17.11.2016

  • 2

    Выполните свои тесты с помощью JaCoCo или Cobertura, затем укажите пути к отчетам о покрытии с помощью sonar.jacoco.reportPath или sonar.cobertura.reportPath, как описано в документах.

    Вам нужно преобразовать в формат XML только в том случае, если ваш механизм тестирования не предоставляет формат, который уже понимает анализатор языка.

    17.11.2016
    Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..