NOTE:此示例代码可以在 https://github.com/dev-cafe/cmake-cookbook/tree/v1.0/chapter-04/recipe-01 中找到,包含一个C++的示例。该示例在CMake 3.5版(或更高版本)中是有效的,并且已经在GNU/Linux、macOS和Windows上进行过测试。
CTest是CMake的测试工具,本示例中,我们将使用CTest进行单元测试。为了保持对CMake/CTest的关注,我们的测试代码会尽可能的简单。计划是编写和测试能够对整数求和的代码,示例代码只会对整数进行累加,不处理浮点数。就像年轻的卡尔•弗里德里希•高斯(Carl Friedrich Gauss),被他的老师测试从1到100求和所有自然数一样,我们将要求代码做同样的事情。为了说明CMake没有对实际测试的语言进行任何限制,我们不仅使用C++可执行文件测试代码,还使用Python脚本和shell脚本作为测试代码。为了简单起见,我们将不使用任何测试库来实现,但是我们将在 后面的示例中介绍C++测试框架。
代码示例由三个文件组成。实现源文件sum_integs.cpp
对整数向量进行求和,并返回累加结果:
#include "sum_integers.hpp"
#include <vector>
int sum_integers(const std::vector<int> integers) {
auto sum = 0;
for (auto i : integers) {
sum += i;
}
return sum;
}
这个示例是否是优雅的实现并不重要,接口以sum_integers
的形式导出。接口在sum_integers.hpp
文件中声明,详情如下:
#pragma once
#include <vector>
int sum_integers(const std::vector<int> integers);
最后,main函数在main.cpp
中定义,从argv[]
中收集命令行参数,将它们转换成整数向量,调用sum_integers
函数,并将结果打印到输出中:
#include "sum_integers.hpp"
#include <iostream>
#include <string>
#include <vector>
// we assume all arguments are integers and we sum them up
// for simplicity we do not verify the type of arguments
int main(int argc, char *argv[]) {
std::vector<int> integers;
for (auto i = 1; i < argc; i++) {
integers.push_back(std::stoi(argv[i]));
}
auto sum = sum_integers(integers);
std::cout << sum << std::endl;
}
测试这段代码使用C++实现(test.cpp
),Bash shell脚本实现(test.sh
)和Python脚本实现(test.py
),只要实现可以返回一个零或非零值,从而CMake可以解释为成功或失败。
C++例子(test.cpp
)中,我们通过调用sum_integers
来验证1 + 2 + 3 + 4 + 5 = 15:
#include "sum_integers.hpp"
#include <vector>
int main() {
auto integers = {1, 2, 3, 4, 5};
if (sum_integers(integers) == 15) {
return 0;
} else {
return 1;
}
}
Bash shell脚本调用可执行文件:
#!/usr/bin/env bash
EXECUTABLE=$1
OUTPUT=$($EXECUTABLE 1 2 3 4)
if [ "$OUTPUT" = "10" ]
then
exit 0
else
exit 1
fi
此外,Python脚本调用可执行文件(使用--executable
命令行参数传递),并使用--short
命令行参数执行:
import subprocess
import argparse
# test script expects the executable as argument
parser = argparse.ArgumentParser()
parser.add_argument('--executable',
help='full path to executable')
parser.add_argument('--short',
default=False,
action='store_true',
help='run a shorter test')
args = parser.parse_args()
def execute_cpp_code(integers):
result = subprocess.check_output([args.executable] + integers)
return int(result)
if args.short:
# we collect [1, 2, ..., 100] as a list of strings
result = execute_cpp_code([str(i) for i in range(1, 101)])
assert result == 5050, 'summing up to 100 failed'
else:
# we collect [1, 2, ..., 1000] as a list of strings
result = execute_cpp_code([str(i) for i in range(1, 1001)])
assert result == 500500, 'summing up to 1000 failed'
现在,我们将逐步描述如何为项目设置测试:
-
对于这个例子,我们需要C++11支持,可用的Python解释器,以及Bash shell:
cmake_minimum_required(VERSION 3.5 FATAL_ERROR) project(recipe-01 LANGUAGES CXX) set(CMAKE_CXX_STANDARD 11) set(CMAKE_CXX_EXTENSIONS OFF) set(CMAKE_CXX_STANDARD_REQUIRED ON) find_package(PythonInterp REQUIRED) find_program(BASH_EXECUTABLE NAMES bash REQUIRED)
-
然后,定义库及主要可执行文件的依赖关系,以及测试可执行文件:
# example library add_library(sum_integers sum_integers.cpp) # main code add_executable(sum_up main.cpp) target_link_libraries(sum_up sum_integers) # testing binary add_executable(cpp_test test.cpp) target_link_libraries(cpp_test sum_integers)
-
最后,打开测试功能并定义四个测试。最后两个测试, 调用相同的Python脚本,先没有任何命令行参数,再使用
--short
:enable_testing() add_test( NAME bash_test COMMAND ${BASH_EXECUTABLE} ${CMAKE_CURRENT_SOURCE_DIR}/test.sh $<TARGET_FILE:sum_up> ) add_test( NAME cpp_test COMMAND $<TARGET_FILE:cpp_test> ) add_test( NAME python_test_long COMMAND ${PYTHON_EXECUTABLE} ${CMAKE_CURRENT_SOURCE_DIR}/test.py --executable $<TARGET_FILE:sum_up> ) add_test( NAME python_test_short COMMAND ${PYTHON_EXECUTABLE} ${CMAKE_CURRENT_SOURCE_DIR}/test.py --short --executable $<TARGET_FILE:sum_up> )
-
现在,我们已经准备好配置和构建代码。先手动进行测试:
$ mkdir -p build $ cd build $ cmake .. $ cmake --build . $ ./sum_up 1 2 3 4 5 15
-
然后,我们可以用
ctest
运行测试集:$ ctest Test project /home/user/cmake-recipes/chapter-04/recipe-01/cxx-example/build Start 1: bash_test 1/4 Test #1: bash_test ........................ Passed 0.01 sec Start 2: cpp_test 2/4 Test #2: cpp_test ......................... Passed 0.00 sec Start 3: python_test_long 3/4 Test #3: python_test_long ................. Passed 0.06 sec Start 4: python_test_short 4/4 Test #4: python_test_short ................ Passed 0.05 sec 100% tests passed, 0 tests failed out of 4 Total Test time (real) = 0.12 sec
-
还应该尝试中断实现,以验证测试集是否能捕捉到更改。
这里的两个关键命令:
enable_testing()
,测试这个目录和所有子文件夹(因为我们把它放在主CMakeLists.txt
)。add_test()
,定义了一个新的测试,并设置测试名称和运行命令。
add_test(
NAME cpp_test
COMMAND $<TARGET_FILE:cpp_test>
)
上面的例子中,使用了生成器表达式:$<TARGET_FILE:cpp_test>
。生成器表达式,是在生成构建系统生成时的表达式。我们将在第5章第9节中详细地描述生成器表达式。此时,我们可以声明 $<TARGET_FILE:cpp_test>
变量,将使用cpp_test
可执行目标的完整路径进行替换。
生成器表达式在测试时非常方便,因为不必显式地将可执行程序的位置和名称,可以硬编码到测试中。以一种可移植的方式实现这一点非常麻烦,因为可执行文件和可执行后缀(例如,Windows上是.exe
后缀)的位置在不同的操作系统、构建类型和生成器之间可能有所不同。使用生成器表达式,我们不必显式地了解位置和名称。
也可以将参数传递给要运行的test
命令,例如:
add_test(
NAME python_test_short
COMMAND ${PYTHON_EXECUTABLE} ${CMAKE_CURRENT_SOURCE_DIR}/test.py --short --executable $<TARGET_FILE:sum_up>
)
这个例子中,我们按顺序运行测试,并展示如何缩短总测试时间并行执行测试(第8节),执行测试用例的子集(第9节)。这里,可以自定义测试命令,可以以任何编程语言运行测试集。CTest关心的是,通过命令的返回码测试用例是否通过。CTest遵循的标准约定是,返回零意味着成功,非零返回意味着失败。可以返回零或非零的脚本,都可以做测试用例。
既然知道了如何定义和执行测试,那么了解如何诊断测试失败也很重要。为此,我们可以在代码中引入一个bug,让所有测试都失败:
Start 1: bash_test
1/4 Test #1: bash_test ........................***Failed 0.01 sec
Start 2: cpp_test
2/4 Test #2: cpp_test .........................***Failed 0.00 sec
Start 3: python_test_long
3/4 Test #3: python_test_long .................***Failed 0.06 sec
Start 4: python_test_short
4/4 Test #4: python_test_short ................***Failed 0.06 sec
0% tests passed, 4 tests failed out of 4
Total Test time (real) = 0.13 sec
The following tests FAILED:
1 - bash_test (Failed)
2 - cpp_test (Failed)
3 - python_test_long (Failed)
4 - python_test_short (Failed)
Errors while running CTest
如果我们想了解更多,可以查看文件test/Temporary/lasttestsfailure.log
。这个文件包含测试命令的完整输出,并且在分析阶段,要查看的第一个地方。使用以下CLI开关,可以从CTest获得更详细的测试输出:
--output-on-failure
:将测试程序生成的任何内容打印到屏幕上,以免测试失败。-v
:将启用测试的详细输出。-vv
:启用更详细的输出。
CTest提供了一个非常方快捷的方式,可以重新运行以前失败的测试;要使用的CLI开关是--rerun-failed
,在调试期间非常有用。
考虑以下定义:
add_test(
NAME python_test_long
COMMAND ${PYTHON_EXECUTABLE} ${CMAKE_CURRENT_SOURCE_DIR}/test.py --executable $<TARGET_FILE:sum_up>
)
前面的定义可以通过显式指定脚本运行的WORKING_DIRECTORY
重新表达,如下:
add_test(
NAME python_test_long
COMMAND ${PYTHON_EXECUTABLE} test.py --executable $<TARGET_FILE:sum_up>
WORKING_DIRECTORY ${CMAKE_CURRENT_SOURCE_DIR}
)
测试名称可以包含/
字符,按名称组织相关测试也很有用,例如:
add_test(
NAME python/long
COMMAND ${PYTHON_EXECUTABLE} test.py --executable $<TARGET_FILE:sum_up>
WORKING_DIRECTORY ${CMAKE_CURRENT_SOURCE_DIR}
)
有时候,我们需要为测试脚本设置环境变量。这可以通过set_tests_properties
实现:
set_tests_properties(python_test
PROPERTIES
ENVIRONMENT
ACCOUNT_MODULE_PATH=${CMAKE_CURRENT_SOURCE_DIR}
ACCOUNT_HEADER_FILE=${CMAKE_CURRENT_SOURCE_DIR}/account/account.h
ACCOUNT_LIBRARY_FILE=$<TARGET_FILE:account>
)
这种方法在不同的平台上并不总可行,CMake提供了解决这个问题的方法。下面的代码片段与上面给出的代码片段相同,在执行实际的Python测试脚本之前,通过CMAKE_COMMAND
调用CMake来预先设置环境变量:
add_test(
NAME
python_test
COMMAND
${CMAKE_COMMAND} -E env
ACCOUNT_MODULE_PATH=${CMAKE_CURRENT_SOURCE_DIR}
ACCOUNT_HEADER_FILE=${CMAKE_CURRENT_SOURCE_DIR}/account/account.h
ACCOUNT_LIBRARY_FILE=$<TARGET_FILE:account>
${PYTHON_EXECUTABLE}
${CMAKE_CURRENT_SOURCE_DIR}/account/test.py
)
同样,要注意使用生成器表达式 $<TARGET_FILE:account>
来传递库文件的位置。
我们已经使用ctest
命令执行测试,CMake还将为生成器创建目标(Unix Makefile生成器为make test
,Ninja工具为ninja test
,或者Visual Studio为RUN_TESTS
)。这意味着,还有另一种(几乎)可移植的方法来运行测试:
$ cmake --build . --target test
不幸的是,当使用Visual Studio生成器时,我们需要使用RUN_TESTS
来代替:
$ cmake --build . --target RUN_TESTS
NOTE:ctest
提供了丰富的命令行参数。其中一些内容将在以后的示例中探讨。要获得完整的列表,需要使用ctest --help
来查看。命令cmake --help-manual ctest
会将向屏幕输出完整的ctest手册。