= JApicmp Gradle 插件 :japicmp-url: https://github.com/siom79/japicmp :issues: https://github.com/melix/japicmp-gradle-plugin/issues :gradle-url: http://gradle.org/ :plugin-version: 0.4.1
image:https://github.com/melix/japicmp-gradle-plugin/actions/workflows/gradle-build.yml/badge.svg?branch=master&event=push["构建状态", link="https://github.com/melix/japicmp-gradle-plugin/actions/workflows/gradle-build.yml?query=branch:master+event:push"] image:https://img.shields.io/github/license/melix/japicmp-gradle-plugin["许可证", link="LICENSE.txt"] image:https://img.shields.io/gradle-plugin-portal/v/me.champeau.gradle.japicmp.svg["下载", link="https://plugins.gradle.org/plugin/me.champeau.gradle.japicmp"]
japicmp-gradle-plugin 通过 {japicmp-url}[JApicmp] 使用 {gradle-url}[Gradle] 提供二进制兼容性报告。
== 安装
此插件需要 Gradle 6+。在 Gradle 构建文件中使用以下代码片段:
或者(不推荐):
buildscript { repositories { mavenCentral() }
dependencies {
classpath 'me.champeau.gradle:japicmp-gradle-plugin:{plugin-version}'
}
== 配置
该插件提供了一个新的任务类型:me.champeau.gradle.japicmp.JapicmpTask
,你可以用它来比较两个 jar 包。这个任务
暴露了以下属性作为其配置的一部分:
[horizontal]
oldClasspath:: 用于比较的基准库的类路径。类型:FileCollection
newClasspath:: 当前版本库的类路径,您想要检查其二进制兼容性。类型:FileCollection
oldArchives:: 将用作比较基准的 jar 文件。类型:FileCollection。
newArchives:: 我们想要分析的 jar 文件。类型:FileCollection。
onlyModified:: 仅输出修改过的类/方法。如果不设置为 true,则打印所有类和方法。类型:boolean。默认值:false
onlyBinaryIncompatibleModified:: 仅输出导致二进制不兼容的修改的类/方法。类型:boolean。默认值:false
packageIncludes:: 要包含的包名列表,* 可用作通配符。类型:List<String>
packageExcludes:: 要排除的包名列表,* 可用作通配符。类型:List<String>
classIncludes:: 要包含的类列表。类型:List<String>
classExcludes:: 要排除的类列表。类型:List<String>
methodIncludes:: 要包含的方法列表。类型:List<String>
methodExcludes:: 要排除的方法列表。类型:List<String>
fieldIncludes:: 要包含的字段列表。类型:List<String>
fieldExcludes:: 要排除的字段列表。类型:List<String>
annotationIncludes:: 要包含的注解列表。字符串必须以'@'开头。类型:List<String>
annotationExcludes:: 要排除的注解列表。字符串必须以'@'开头。类型:List<String>
compatibilityChangeExcludes:: 要排除的兼容性更改列表,将它们标记为源代码和二进制兼容。字符串必须匹配 japicmp.model.JApiCompatibilityChange
枚举的值。类型:List<String>
accessModifier:: 设置访问修饰符级别(public、package、protected、private)。类型:String。默认值:public
failOnSourceIncompatibility:: 如果更改导致源代码级别不兼容,则失败。将此设置为 true
也会隐式启用 failOnModification
。类型:boolean。默认值:false
failOnModification:: 设置为 true 时,如果检测到修改,构建将失败。类型:boolean。默认值:false
xmlOutputFile:: 生成的 XML 报告的路径。类型:File。默认值:null
htmlOutputFile:: 生成的 HTML 报告的路径。类型:File。默认值:null
txtOutputFile:: 生成的 TXT 报告的路径。类型:File。默认值:null
semverOutputFile:: 生成的语义版本报告的路径。类型:File。默认值:null
includeSynthetic:: 默认情况下不跟踪合成类和类成员(如桥接方法)。这个新选项启用了此类类和类成员的跟踪
ignoreMissingClasses:: 忽略类路径上缺失的所有超类或接口。默认值:false
如果你没有设置 oldArchives 和 newArchives,插件将从 oldClasspath 和 newClasspath 属性中推断它们:
== 使用方法
在你的构建文件中添加以下内容:
== JApiCompatibilityChange 过滤
该插件支持对已识别的兼容性更改进行简单的排除,在 API 比较期间将这些更改视为二进制和源代码兼容:
来自 japicmp 的 JApiCompatibilityChange
枚举表示可以排除的已识别兼容性更改列表。为简单起见,插件使用 List<String> 进行配置。
== 自定义过滤
该插件支持在考虑 API 比较之前为字节码成员添加过滤器:
其中 MyIncludeFilter
和 MyExcludeFilter
是实现继承自 japicmp.filter.Filter
类型的类。
例如,添加以下过滤器作为排除过滤器将从 API 比较中隐藏带有 @Custom
注解或名称包含 Custom
的字段:
== 自定义报告和失败条件
该插件支持一个 DSL 来基于 API 比较结果生成自定义报告。这有几个优点:
=== 配置
可以使用 richReport
块配置报告:
富报告的选项包括:
[horizontal]
renderer:: 用于生成报告的渲染器。默认使用 GroovyReportRenderer
includedClasses:: 表示包含模式的字符串列表(解释为正则表达式)。只有匹配此模式的类才会被包括。
excludedClasses:: 表示排除模式的字符串列表。如果一个类的完全限定名匹配这些模式中的任何一个,它将不会被包括。
destinationDir:: 存储报告的目录
reportName:: 生成的报告的文件名(默认为 rich-report.html
)
title:: 报告的标题
description:: 报告的描述
addDefaultRules:: 一个布尔值,表示是否应添加默认规则。
如果没有明确定义规则,将应用默认规则。如果添加了任何规则,默认规则将不会被应用,除非 addDefaultRules
设置为 true
。
=== 自定义规则
规则用于向报告添加违规。"违规"一词应该以简单的意义理解,因为它代表要在报告中显示的数据,无论是严重违规还是仅仅是信息。
违规由三元组(成员、严重程度、解释)组成,将在报告中显示。例如,如果发现二进制不兼容,你可以使用以下方式创建违规:
Violation.notBinaryCompatible(member)
这将自动将其分配为 error
严重程度,导致构建失败。然而,可以创建任何类型的违规,甚至接受二进制不兼容的更改。
规则可以应用于 3 个不同的级别:
NEW
、REMOVED
、UNCHANGED
、MODIFIED
),参见 JApiChangeStatus
JApiCompatibilityChange
)规则按以下顺序执行:
例如,假设我们想检查所有新方法是否都使用 @Incubating
注解(这是 Gradle 项目中的一条规则)。
那么,你需要创建一个实现该检查的规则类:
然后你需要配置报告以使用该规则:
规则可以接受参数,但仅限于 Map<String, String>
类型。例如,以下规则会将二进制破坏性变更标记为错误,除非它被审核并接受。接受列表作为参数传递给规则:
class AcceptedRegressionRule implements ViolationRule { private final Map<String, String> acceptedViolations
public AcceptedRegressionRule(Map<String, String> params) {
acceptedViolations = params
}
@Override
Violation maybeViolation(final JApiCompatibility member) {
if (!member.binaryCompatible) {
def acceptation = acceptedViolations[Violation.describe(member)]
if (acceptation) {
Violation.accept(member, acceptation)
} else {
Violation.notBinaryCompatible(member)
}
}
}
以下是如何应用该规则:
=== 设置和后处理规则
从 0.2.2 版本开始,插件还支持设置和后处理规则。设置规则允许设置一些全局上下文,可以被扩展 AbstractContextAwareViolationRule
的规则访问。当你需要在规则之间共享数据,并在后处理规则中执行最终检查时,这会很有用。
设置规则需要实现 SetupRule
:
class MySetupRule implements SetupRule {
@Override
void execute(final ViolationCheckContext violationCheckContext) {
// 这将在执行任何其他规则之前执行
violationCheckContext.userData.executed = false
}
并使用 addSetupRule
声明:
然后可以在实现 AbstractContextAwareViolationRule
的规则中访问上下文:
class ContextAwareRule extends AbstractContextAwareViolationRule {
@Override
Violation maybeViolation(final JApiCompatibility member) {
// 此规则访问全局上下文并可以修改用户数据
context.userData.executed = true
return null
}
最后,后处理规则可以访问用户数据,并且可以在生成报告之前修改每个类的实际违规列表:
class MyTearDownRule implements PostProcessViolationsRule {
@Override
void execute(final ViolationCheckContextWithViolations violationCheckContextWithViolations) {
// 这个规则在所有检查完成后执行,就在生成报告之前
// 它提供了添加额外违规、过滤违规或使用自定义错误失败的机会
assert violationCheckContextWithViolations.userData.executed == true
assert !violationCheckContextWithViolations.violations.isEmpty()
}
需要使用 addPostProcessRule
钩子进行连接:
== 避免同一类出现多个违规
从 0.2.5 版本开始,现在可以跟踪哪些成员已经导致了违规。
由于规则按顺序执行,并且可能对同一成员同时应用状态变更规则和通用规则,因此一个成员可能触发多个违规。
为了避免这种情况,你可以让你的规则继承 AbstractRecordingSeenMembers
。这个规则要求应用 RecordSeenMembersSetup
,它只会在之前没有为同一成员添加违规时才添加违规。
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号