当前位置:首页 > 文章列表 > Golang > Go教程 > Go go test -json 怎样区分测试输出类型

Go go test -json 怎样区分测试输出类型

来源:17golang原创 2026-10-25 20:07:51 0浏览 收藏

go test -json 的测试输出应先看 Action:只有 output 事件才继续按 OutputType 分文本类别。空值是普通输出,frame 是测试框架文本,error 是 Error/Fatal 类报错,error-continue 表示多行报错的后续部分。测试最终是否失败仍看状态事件和测试命令退出码,不能由一条文字记录推断。

官方地址:https://go.dev/

如果要把测试报告做成一个小工具,我会先保留原始事件文件,再写分类器,而不是先用正则删除看起来多余的行。下面的项目只有一个命令行程序:读取标准输入,输出保留来源和原文的分类JSON。示例没有依赖第三方模块,代码和预期结果供读者复现,不展示为本机实测日志。

先确定分类器读取什么

测试事件包含状态信息和文本信息。Package 标明包,Test 在测试级事件中标明测试;包级事件可以没有 Test。并发运行时不能用“刚才出现的测试名”替代这两个字段。分类器给每条记录保留归属,避免不同测试的文字混在一起。

条件分类器标签用途
Action 不是 outputstatus/原Action保留状态变化
output 且 OutputType 为空text/regular普通日志展示
OutputType 为 frametext/frame框架文本可折叠
OutputType 为 errortext/error突出报错正文
OutputType 为 error-continuetext/error-continue保留报错连续内容
其他 OutputTypetext/unknown:原值未知格式仍不丢文本

这些 text/status 标签是本文程序定义的输出分类,不是 Go 工具链新增的官方字段。

测试事件字段与输出类型的静态结构说明图
结构说明图:Action、OutputType 与 Output 分别承担事件动作、文本类别和原文;Package 与 Test 用于归属。

保存一份测试事件流

在被测项目根目录保存事件文件。分类器源码请放在独立工具目录,避免给被测包引入额外 main 函数。以下命令使用 Bash,并分别保存测试状态与后续分类状态:

# 保存测试事件;stderr单独留存,避免混入JSON输入。
go test -json ./... > events.jsonl 2> test-stderr.log
test_rc=$?
# 测试失败也先完成报告分类,最后仍返回原来的失败状态。
go run /path/to/event-kind.go  classified.jsonl
classify_rc=$?
if [ "$test_rc" -ne 0 ]; then
    exit "$test_rc"
fi
exit "$classify_rc"

把 /path/to/event-kind.go 换成自己的源码路径。上面的退出语句适合独立CI脚本。若在终端手动操作,可分开运行命令并查看状态变量,避免直接退出交互会话。不要加 2>&1 后就假设全部内容一定是JSON。

实现事件分类器

将下列内容保存为独立的 event-kind.go。使用 Decoder 连续解码对象,不要求输入是一整个JSON数组;使用 Encoder 输出分类记录,原文中的换行由JSON转义保留。

package main

import (
    "encoding/json"
    "errors"
    "fmt"
    "io"
    "os"
)

type Event struct {
    Action     string
    Package    string
    Test       string
    Output     string
    OutputType string
}

// kind 将事件状态与文本类别分开;未知类别保留给未来格式扩展。
func kind(e Event) string {
    if e.Action != "output" {
        return "status/" + e.Action
    }
    switch e.OutputType {
    case "":
        return "text/regular"
    case "frame":
        return "text/frame"
    case "error":
        return "text/error"
    case "error-continue":
        return "text/error-continue"
    default:
        return "text/unknown:" + e.OutputType
    }
}

func main() {
    dec := json.NewDecoder(os.Stdin)
    out := json.NewEncoder(os.Stdout)
    for {
        var e Event
        if err := dec.Decode(&e); err != nil {
            if errors.Is(err, io.EOF) {
                return // 正常读完输入,不把EOF当成坏数据。
            }
            fmt.Fprintln(os.Stderr, "事件JSON读取失败:", err)
            os.Exit(1)
        }
        // 原文单独保留,避免日志中的换行破坏分类记录的边界。
        row := struct {
            Kind string
            Package string
            Test string
            Action string
            OutputType string
            Output string
        }{kind(e), e.Package, e.Test, e.Action, e.OutputType, e.Output}
        if err := out.Encode(row); err != nil {
            fmt.Fprintln(os.Stderr, "分类结果写入失败:", err)
            os.Exit(1)
        }
    }
}

结构体只声明分类所需字段;未声明的时间、耗时等不会进入这个精简报告。如需完整归档,应保留原始 events.jsonl,或者在程序中增加对应字段。遇到损坏JSON时程序停止并返回非零状态,防止一份不完整报告看起来像正常结束。

把分类结果接入CI

CI里建议同时上传原始事件、分类结果和独立的stderr文件。报告页面可以按 Kind 筛选,默认收起 text/frame,突出 text/error,同时显示 status/fail。不要因为一个包失败就将该包所有普通文本改标为 error。

原始测试事件与分类报告字段的静态依赖说明图
结构说明图:分类记录保留归属和原文,CI的测试退出码独立于报告生成状态;这是报告模型,不是执行截图。

多行错误聚合可以用 Package 与 Test 形成分组键,但不要假设相邻两条记录一定来自同一个测试。对第一版小工具,我更愿意保留每条事件,展示时按来源组织;如果确需拼接,仍应保留原记录顺序和原字段供追溯。

分类成功只表示输入已经被程序读取。若去掉前面脚本里的 test_rc 处理,测试失败后分类器却正常退出,CI就可能只看到最后一条命令成功。这是脚本状态传递的问题,不能靠搜索日志中的 FAIL 来替代。

用小样例理解边界

下面是手写的语义样例,用于理解字段组合;不是对某次测试完整事件序列的复制。把它保存为 sample.jsonl 后输入分类器:

{"Action":"output","Package":"demo/unit","Test":"TestNotice","OutputType":"frame","Output":"=== RUN   TestNotice\n"}
{"Action":"output","Package":"demo/unit","Test":"TestNotice","Output":"ordinary notice\n"}
{"Action":"output","Package":"demo/unit","Test":"TestNotice","OutputType":"error","Output":"first error line\n"}
{"Action":"output","Package":"demo/unit","Test":"TestNotice","OutputType":"error-continue","Output":"second error line\n"}
{"Action":"fail","Package":"demo/unit","Test":"TestNotice"}

五条记录应依次归入 text/frame、text/regular、text/error、text/error-continue、status/fail。JSON没有注释语法,所以字段说明放在代码块外;Output保存文本,OutputType只用于output事件的类别判断。

# 用手写样例查看分类器输出,不涉及运行被测项目。
go run /path/to/event-kind.go 

为什么 OutputType 缺失不能等同于测试成功?

缺失或空值按普通输出处理,但整次测试仍可能在其他事件中失败。普通输出不是通过状态。

旧日志不含 OutputType 怎么办?

该程序会把output事件归为regular。它不会追溯识别以前日志的真实来源;需要细分时应使用明确支持该字段的工具链重新生成事件,而不是据此宣称旧记录没有报错。

能把所有 JSON 都交给这个程序吗?

本文面向测试事件,不能把其他构建工具或业务服务的JSON直接当作同一契约。即使能解码,字段缺失也会失去分类意义。

我的取舍是让小工具只做事件分类:原始文件负责留存,Action保留状态,OutputType区分文本,CI继续负责命令失败。职责明确后,折叠框架文本或突出报错都只影响展示。

官方资料:test2json输出格式;go命令说明。

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
Go go test 怎样查看 stdversion 检查结果Go go test 怎样查看 stdversion 检查结果
上一篇
Go go test 怎样查看 stdversion 检查结果
Go trace -http 怎样限制本地监听地址
下一篇
Go trace -http 怎样限制本地监听地址
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。
    689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。
    703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。
    764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。
    728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。
    564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