当前位置:首页 > 文章列表 > 文章 > 软件教程 > Cargo test 怎么只运行文档测试

Cargo test 怎么只运行文档测试

来源:17golang原创 2026-10-13 07:13:27 0浏览 收藏

如果只想检查 Rust 文档注释里的代码示例,不必重复运行普通单元测试和集成测试。进入包含 Cargo.toml 的项目目录后,使用 cargo test --doc;它会把目标缩小到库目标的文档测试。工作区场景再配合 --workspace 或 -p,就能控制要检查哪些包。

官方地址:https://doc.rust-lang.org/cargo/commands/cargo-test.html

最小可用写法
  • cargo test --doc:只测试当前选定包的库文档。
  • cargo test --workspace --doc:对工作区选定成员的库文档执行 doctest。
  • cargo test -p package_name --doc:只检查一个工作区包的库文档。

先分清 cargo test 默认会做什么

Cargo 的 test 命令默认可以编译并执行单元测试、集成测试和文档测试。文档测试由 rustdoc 从库目标的文档注释中提取代码块,再为代码块编译测试程序并执行。因此,文档示例接入 CI 后,单独跑 doctest 能让检查范围更清楚。

--doc 是目标选择参数,含义是“只测试库的文档”,不能和其它目标选择参数混用。它不是把普通测试按名字过滤,也不是让已有单元测试只保留某一类。

在项目入口选择文档测试

先把终端工作目录放到项目根目录,也就是能找到 Cargo.toml 的位置。然后执行最小命令:

# 在当前包中只编译并运行库文档里的 doctest
cargo test --doc

这里的 --doc 负责目标选择,前面的 cargo test 仍然使用 Cargo 的测试配置和依赖解析。命令成功时,输出会出现文档测试对应的编译或运行信息;如果示例代码编译失败,Cargo 会把失败位置和 rustdoc 编译错误返回出来。

原创 Cargo 文档测试入口界面说明图,展示 cargo test --doc、库文档目标和跳过普通测试的范围
图1:Cargo 文档测试命令入口与目标范围说明图,是原创静态界面说明图,不是软件截图。

在工作区里只选需要的包

如果根目录是 Cargo 工作区,先决定要检查全部成员,还是只检查其中一个成员。对整个工作区使用:

# 对当前工作区选定的成员只运行库文档测试
cargo test --workspace --doc

如果只想检查一个包,把包名替换成 Cargo.toml 中的真实名称:

# 只检查指定工作区成员的库文档;package_name 换成实际包名
cargo test --workspace -p package_name --doc

--workspace 和 -p 解决的是包选择问题,--doc 解决的是测试目标问题。三者不要混成一个“过滤测试名”的概念:如果你需要筛选普通测试函数,应使用另一套 libtest 参数,那已经超出本文的文档测试范围。

用可见状态判断范围是否正确

只运行文档测试时,可以按下面三点阅读输出和命令范围:

  1. 命令中明确存在 --doc,说明目标选择已经指向库文档。
  2. 文档代码块被单独编译和执行,错误通常来自 rustdoc 提取出的示例,而不是普通 #[test] 函数。
  3. 命令没有同时指定 --lib、--tests、--example 等其它目标选项。

需要留意,文档测试的工作目录有自己的规则:调用 rustdoc 时使用工作区根目录,实际运行每个文档测试时又会回到所属包的根目录。文档示例如果读取相对路径,不要只凭当前终端所在目录猜测结果。

原创 Cargo 文档测试结果界面说明图,展示 Documentation tests、--doc 选项以及普通测试被排除的状态
图2:文档测试范围和结果状态核对图,是原创静态结果说明图,不是运行截图。

遇到空结果时先看包和目标

执行后没有看到预期的文档测试,不要立刻把它判断成 Cargo 没有工作,可以按范围逐项排查:

现象优先检查解释
没有文档测试被运行当前包是否有库目标--doc 针对库文档,不等同于测试二进制或示例目标。
工作区结果比预期少是否用了默认成员或 -p工作区包选择决定哪些成员进入本次测试。
文档示例没有进入测试库目标的 doctest 设置manifest 可以关闭库目标的文档测试。
命令直接失败区分范围错误和示例编译错误错误信息来自包选择、依赖解析或具体文档代码时,处理方式不同。

如果只是想验证文档示例,建议先保持命令最小,再逐步增加 --workspace 或 -p。这样更容易知道变化来自测试目标,还是来自包范围。

几个容易混淆的问题

cargo test --doc 会运行普通单元测试吗?

不会。它的目标是库文档测试;普通单元测试和集成测试需要其它目标选择或默认测试行为。

只有二进制包时能不能用 --doc?

本文命令针对库目标的文档。如果包没有可测试的库文档,应该先确认目标类型和文档注释位置,而不是用 --doc 去替代二进制测试。

可以把 --doc 和 --lib 一起写吗?

不建议这样组合。Cargo 文档说明 --doc 不能和其它目标选择参数混用;需要文档测试时保留 --doc,需要普通库单元测试时再单独执行相应命令。

总结一下:只检查文档示例就从 cargo test --doc 开始;工作区用 --workspace,单成员用 -p。看到异常时先确认库目标、包选择和 doctest 设置,再判断是范围没有选中,还是文档代码本身编译失败。

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
Cargo metadata 怎么只导出工作区包信息Cargo metadata 怎么只导出工作区包信息
上一篇
Cargo metadata 怎么只导出工作区包信息
GNU Make 并行构建时怎么避免日志互相穿插
下一篇
GNU Make 并行构建时怎么避免日志互相穿插
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
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    451次使用
  • 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。
    520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。
    536次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    481次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    304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 和 隐私政策
返回登录
  • 重置密码