测试类和包的命名规范

阅读量：129 次

发布时间：2019-02-26

本文共 241 字，大约阅读时间需要 1 分钟。

测试类命名规范

测试类的命名应始于其要测试的目标类名称，通常以"Test"结尾。例如，若要测试User类，则命名为UserTest类。

测试程序包命名规范

测试程序包的命名遵循以下规则：com.skymobi项目名模块名.test

对于测试公共类包，命名规则为：com.skymobi项目名.common.test

测试方法命名规范

测试方法名称应采用test开头的命名方式，例如testLogin()或testRegister()。这种命名方式能够明确表示该方法用于测试特定功能。

转载地址：http://anxf.baihongyu.com/

你可能感兴趣的文章

OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果

OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测

OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别（数据集 + 源码）

OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割

OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)

OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测

OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案

OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统

OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)

OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)

OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别

OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态（含数据集）

OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序

OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)

OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数（步骤 + 源码）

OpenCV与AI深度学习 | 实践教程｜旋转目标检测模型-TensorRT 部署(C++)

OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤

OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具（详细步骤 + 源码）

OpenCV与AI深度学习 | 深度学习检测小目标常用方法

Opencv中KNN背景分割器