博客
关于我
【Rust日报】2020-11-09 构建可测试性的 Rust 工程
阅读量:685 次
发布时间:2019-03-17

本文共 1512 字,大约阅读时间需要 5 分钟。

构建可测试性的 Rust 工程

这个文本中讨论了如何组织 Rust 项目以提高测试性以及几个相关项目的示例。

近期 Reddit 上有不少讨论关于 Rust 工程的组织方式以及如何实现更完善的测试。而下面提供的文章中的例子展示了一个 Web 服务,在 Rust 中如何组织模块以及如何让代码更具测试性。

原文链接: medium.com/better-programming/structuring-rust-project-for-testability-18207b5d0243

antler: 一个无纹理的渲染引擎

ANTLER 是一个无纹理渲染引擎。开发者可以通过编写特定格式的配置文件来实现炫酷效果。例如:

{    "tree": {        "Here": {            "tar_tris": 5,            "max_depth": 8,            "padding": 0.01        }    },    "sett": {        "There": "sett/standard.json5"    },    "shader": {        "There": "shaders/nice.json5"    },    "surfs": {        "There": "scenes/path.json5"    },    "attrs": {        "There": "attrs/path.json5"    },    "cols": {        "There": "cols/path.json5"    },    "cam": {        "Here": {            "pos": [-52, 0, 7],            "tar": [-4.5, 0, 1.2],            "lens": {                "Perspective": {                    "fov": 60.0                }            },            "aspect": "Square",            "update_size": 400        }    }}

该引擎支持通过配置文件加载各种资源文件,用户可以根据需求进行调整和扩展。

Rust for gophers

这是为 Golang 开发者设计的一系列教程,旨在帮助他们快速学习 Rust。涵盖了从基础到高级的内容,帮助 Go 开发者更好地理解 Rust 的核心概念。目前教程内容到第六章,内容与 Golang 的熟悉度高度匹配。

原文链接: levpaul.com/posts/rust-lesson-5-and-6/

使用 Rust 创造一门新语言: 函数调用

这是《使用 Rust 创造一门新语言》系列中的最新章节,聚焦于函数调用机制。该章节详细讲解了如何在新语言中实现函数的调用,涵盖了返回类型、变量传递以及错误处理等内容。

原文链接: arzg.github.io/lang/9/

email-parser: 解析最快的邮件库

email-parser 是一个无依赖的邮件解析库,据称解析速度最快。该库针对性能优化,适合处理大量邮件数据。

GitHub 地址: GitHub.com/Mubelotix/email-parser

社区资源

  • Rustcc 论坛: 支持 RSS 订阅
  • 微信公众号: Rust 语言中文社区

转载地址:http://ijohz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
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)
查看>>
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)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
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)
查看>>
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
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
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)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
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)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>