• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Medir la calidad del código JavaScript (Creación de una librería JavaScript 6ª parte)

marzo 15, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

JavaScript

En entradas anteriores de la serie se explicó cómo crear y evaluar pruebas unitarias en JavaScript. Además de explicar cómo medir el grado de cobertura. En esta entrada se va a explicar cómo medir la calidad del código JavaScript con JSHint. Esta herramienta es muy útil ya que verifica si el código fuente cumple con las reglas de codificación. Indicando la existencia de fallos que puede provocar el fallo en algunos navegadores, afectar el rendimiento o ser potencialmente peligrosos.

Esta entrada pertenece a la serie “Creación de una librería JavaScript” cuyo código se puede encontrar en la cuenta de GitHub de Analytics Lane. Serie compuesta por las siguientes entradas:

  • Creación de una librería JavaScript
  • Estructurar las funciones JavaScript
  • Pruebas unitarias en JavaScript
  • Rango en pruebas unitarias en JavaScript
  • Cobertura de las pruebas unitarias en JavaScript
  • Medir la calidad del código JavaScript
  • Compresión del código JavaScript
  • Ejecutar múltiples scripts npm

Instalación de JSHint

La instalación de JSHint en el proyecto se realiza como es habitar mediante el comando npm. Indicando que esta se guarde como dependencia en el archivo package.json. Así es necesario escribir

npm install jshint --save-dev

Primeras pruebas con JSHint

Una vez instalado JSHint en el proyecto se puede evaluar la calidad del código, para ello se escribirá en la línea de comandos.

La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)
En Analytics Lane
La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)

jshint ./lib**/*.js

En la que se le indica a JSHint que analice todos los archivos con extensión js que encuentre en la carpeta lib y subcarpetas de esta. Al hacer esto podemos ver que aparecerán los errores que se muestran a continuación.

./lib/array.js: line 4, col 3, 'const' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).
./lib/array.js: line 8, col 5, 'let' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).
./lib/array.js: line 10, col 10, 'let' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).
./lib/array.js: line 32, col 5, 'const' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).
./lib/array.js: line 38, col 10, 'let' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).

./lib/jslane.js: line 4, col 3, 'const' is available in ES6 (use 'esversion: 6') or Mozilla JS extensions (use moz).

Estos aparecen porque en la libraría se utiliza el estándar ECMAScript 6 o ES6. Lo que es necesario indicarle a JSHint para que no informe de estos errores. La mejor opción es utilizar el archivo de configuración para la herramienta. Este se llama .jshintrc y es necesario ubicarlo en la raíz del proyecto. La solución de este problema solo requiere escribir las siguientes líneas.

{
  "esversion": 6
}

Una vez hecho esto se puede volver a ejecutar JSHint para comprobar que no existen errores en los archivos. Para probar al mismo tiempo el código en la carpeta de lib y tests se puede utilizar.

jshint ./lib**/*.js ./tests**/*.js

Al ejecutarlo podemos observar que falta una punto y coma en la línea 23 de archivo array.test.js. Por lo que para solucionarlos solamente es necesario abrir el archivo indicado y añadir el punto y coma.

./tests/array.test.js: line 23, col 75, Missing semicolon.

Publicidad


Creación de un script en package.json

Es obvio que JSHint es una herramienta muy poderosa que permite identificar problemas. Por lo que es muy utilizada. Así se puede crear un nuevo script en el archivo package.json que permite automatizar estas tarea. Simplemente creando una nueva propiedad en scripts con el nombre report y el comando jshint ./lib**/*.js ./tests**/*.js.

Conclusiones

En esta sexta entrada de la serie se ha visto cómo medir la calidad del código JavaScript con JSHint. Una herramienta clave para poder identificar los problemas existentes en el código.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • De la Regresión Logística al Scorecard: La Transformación Matemática
  • Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

Publicado en: JavaScript Etiquetado como: Node, Unit testing

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

El Binning en Credit Scoring: El Arte de Discretizar Variables

junio 16, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.2 del laboratorio con nuevas herramientas de ajuste de curvas y cálculo matricial

junio 12, 2026 Por Daniel Rodríguez

La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)

junio 11, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • El Binning en Credit Scoring: El Arte de Discretizar Variables publicado el junio 16, 2026 | en Sin categoría
  • Dealine Modelos BG/NBD para CLV publicado el junio 13, 2018 | en Ciencia de datos
  • Función de interpolación lineal en Excel sin VBA publicado el noviembre 3, 2021 | en Herramientas
  • Obtener la IP local y pública en Python publicado el octubre 10, 2022 | en Python
  • Publicación de aplicaciones Angular en IIS (Internet Information Services) incluso con rutas publicado el noviembre 15, 2023 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto