当前位置:首页 > 文章列表 > Golang > Go教程 > Go doc 注释中的示例如何被测试工具识别

Go doc 注释中的示例如何被测试工具识别

来源:17golang原创 2026-09-13 00:38:22 0浏览 收藏

Go 的示例函数不是普通注释代码。只要文件名以 _test.go 结尾、函数名符合 Example... 约定,Go 工具链就能把它同时当作文档示例和测试入口。真正让示例参与断言的是函数末尾的 Output: 注释:go test 会捕获标准输出,并与注释中的期望文本比较。

要点速览
  • Example 关联包,ExampleFoo 关联函数或类型,ExampleBar_Qux 关联方法。
  • Output: 才会执行并核对输出;没有输出注释时,示例只参与编译。
  • 输出必须稳定;顺序不固定时用 Unordered output:,不要硬编码偶然顺序。

先把示例放进正确的测试文件

示例应放在被测包目录的 example_test.go 或其他 _test.go 文件中。函数不接收参数,也不返回值,最小形态如下。代码中的中文注释只解释关键约束,不是运行日志。

package strings_test

import (
    "fmt"
    "strings"
)

// ExampleJoin 展示可执行示例的最小结构,输出注释会参与测试。
func ExampleJoin() {
    // 使用标准库 API 产生稳定、可重复的字符串结果。
    fmt.Println(strings.Join([]string{"Go", "doc"}, "-"))
    // Output: Go-doc
}

采用 package strings_test 的外部测试包时,示例只能通过公开 API 访问实现,更接近读者实际使用方式。若示例必须访问包内未导出的辅助对象,可以改用同包名,但要意识到它暴露的不是公共使用路径。

函数名决定示例显示在哪个 API 旁边

Go 文档工具根据函数名解析归属,而不是根据文件名猜测。常用映射可以记成下面这张表:

函数名文档归属适用场景
Example()整个包演示包级用法或完整流程
ExampleJoin()Join 函数或同名对象单个函数的最短示例
ExampleBuffer_Reset()Buffer.Reset 方法类型方法的具体用法
ExampleJoin_csv()Join 的附加示例同一对象需要多个角度时

附加后缀要以下划线和小写字母开头,例如 ExampleJoin_csv。后缀是示例的区分名,不应把完整句子或大写单词塞进函数名,否则文档归属可能不符合预期。

Go Example 函数名把测试文件、包级示例、Join 函数和 Buffer.Reset 方法静态关联到文档对象的结构示意图
图1:Example 命名约定把测试文件中的示例函数静态关联到包、函数和方法;这是结构示意图,不是实际运行截图。

Output 注释会把文档示例变成可执行断言

Output: 后面可以直接写一行,也可以换成多行注释。测试框架会捕获示例写入标准输出的内容,比较时会忽略首尾空白;中间换行和文本内容仍然必须一致。

func ExampleSalutation() {
    // 先固定打印顺序,避免示例输出随着 map 遍历顺序变化。
    fmt.Println("hello, and")
    fmt.Println("goodbye")
    // Output:
    // hello, and
    // goodbye
}

如果把输出注释改成错误文本,测试会显示 gotwant,这正是示例维护的价值:API 行为变化或示例代码过期时,文档不会悄悄失真。示例没有 Output: 时仍可编译,但不会被执行,适合网络访问、随机结果或需要外部环境的片段。

不稳定输出要选择正确的断言边界

对输出行顺序不固定、但每一行内容都重要的场景,可以使用 Unordered output:。它表达的是“允许行重排”,不是“忽略所有差异”。例如遍历集合时,先确保每行都完整输出,再把顺序交给示例框架处理。

func ExamplePerm() {
    values := []int{2, 1, 3}
    for _, value := range values {
        // 每行仍然是可比较的事实,只是不把行顺序当作契约。
        fmt.Println(value)
    }
    // Unordered output: 1
    // 2
    // 3
}

对于网络响应、当前时间或随机数,不要为了“让测试通过”写一份偶然输出。可以只留下能编译的示例,或者把不稳定部分改造成显式输入,让输出重新变得确定。

Go testing 捕获 Example 标准输出并与 Output 或 Unordered output 期望文本比较的静态关系示意图
图2:标准输出经过捕获后进入 Output 比较;稳定输出做逐行断言,不稳定顺序使用 Unordered output。这是结果关系示意图。

常见问题

为什么 Example 函数写好了却没有运行?

先检查文件名是否以 _test.go 结尾、函数是否以大写 Example 开头,以及是否确实运行了 go test。如果没有 Output:Unordered output:,它通常只编译不执行。

ExampleFoo 和 ExampleFoo_bar 有什么区别?

两者都关联 Foo,后者通过小写后缀表示同一对象的另一个示例,适合分别展示不同输入或使用场景。

输出顺序不稳定时能不能直接删掉断言?

如果每行内容仍然应该被验证,优先使用 Unordered output:;只有示例本身无法在测试环境稳定执行时,才省略输出注释并退回到编译检查。

可以把判断简化成一句话:示例名负责“挂到哪份文档”,输出注释负责“是否执行并验证结果”。把这两个约定一起写进 _test.go,文档和测试就会共享同一份可维护代码。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
检索结果重复时如何做去重和来源合并检索结果重复时如何做去重和来源合并
上一篇
检索结果重复时如何做去重和来源合并
开源项目宣布毕业后企业升级流程应先核对什么
下一篇
开源项目宣布毕业后企业升级流程应先核对什么
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    110次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    23次使用
  • OpenCompass大模型评测体系详解:功能、使用指南与应用场景
    OpenCompass
    OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
    43次使用
  • AGI-Eval大模型评测平台:权威榜单、数据集与人机协同评测方案
    AGI-Eval
    AGI-Eval是由上海交大等高校联合发布的大模型评测社区,提供公正透明的LLM能力榜单、多领域评测集及Data Studio数据服务,助力AI模型性能评估与NLP科研开发。
    23次使用
  • SuperCLUE中文大模型评测基准:功能、能力维度与应用指南
    SuperCLUE
    SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
    264次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码