使用gcov和lcov可生成C++代码覆盖率报告。1. 安装工具：Ubuntu/Debian用apt-get，CentOS/RHEL用yum，macOS用brew安装gcc和lcov。2. 编译时添加-fprofile-arcs、-ftest-coverage、-O0和-g选项以生成.gcno文件。3. 运行测试程序生成.gcda运行时数据文件。4. 用lcov --capture收集数据，--remove过滤系统头文件，genhtml生成HTML报告。5. 注意编译链接均需覆盖率选项，禁用高阶优化，每次重新编译后需重跑测试。最终通过浏览器查看覆盖情况，绿色为已覆盖，红色为未执行，有效识别测试盲区。
使用 gcov 和 lcov 生成 C++ 代码覆盖率报告，是进行单元测试质量评估的重要手段。整个流程包括编译时加入覆盖率支持、运行测试程序、收集数据并生成可视化报告。以下是完整的使用方法。
1. 安装 gcov 与 lcov 工具
在大多数 Linux 发行版中，gcc 自带 gcov，lcov 需要单独安装：Ubuntu/Debian：
sudo apt-get install gcov gcc lcov
CentOS/RHEL：
sudo yum install gcov gcc lcov
macOS 用户可通过 Homebrew 安装 gcc（含 gcov）和 lcov：
立即学习“C++免费学习笔记（深入）”；
brew install gcc lcov
2. 编写测试代码并启用覆盖率编译选项
为了让 gcov 能收集数据，编译时必须添加特定的编译和链接选项。假设有一个简单的 C++ 文件 calc.cpp 和对应的测试文件 test_calc.cpp：
// calc.cpp
int add(int a, int b) {
return a + b;
}
<p>int sub(int a, int b) {
if (a > b) {
return a - b;
}
return b - a;
}</p>使用如下 g++ 命令进行编译：
g++ -c calc.cpp test_calc.cpp -fprofile-arcs -ftest-coverage -O0 -g g++ calc.o test_calc.o -fprofile-arcs -ftest-coverage -lgtest -lgtest_main -lpthread -o test_runner
关键编译选项说明：
- -fprofile-arcs：启用执行路径记录
- -ftest-coverage：生成 .gcno 文件，供 gcov 使用
- -O0：关闭优化，避免代码被内联或删除影响覆盖率准确性
- -g：添加调试信息
3. 运行测试程序生成覆盖率数据
执行测试可执行文件后，会生成 .gcda 文件（运行时覆盖率数据）：./test_runner
执行完成后，当前目录会出现：
-
calc.gcno：编译时生成，描述代码结构 -
calc.gcda：运行后生成，记录每行执行次数 - 如果测试多个文件，每个 .cpp 都会有对应 .gcno 和 .gcda
4. 使用 lcov 收集数据并生成 HTML 报告
lcov 是对 gcov 的封装，能更方便地处理多文件并生成网页报告。步骤如下：
# 清空已有数据 lcov --directory . --zerocounters <h1>捕获覆盖率数据（包含所有源文件）</h1><p>lcov --capture --directory . --output-file coverage.info</p><h1>可选：过滤掉系统头文件和外部代码</h1><p>lcov --remove coverage.info '/usr/<em>' 'gtest/</em>' --output-file coverage_filtered.info</p>
生成 HTML 可视化报告：
genhtml coverage_filtered.info --output-directory ./coverage_report
完成后打开报告：
xdg-open ./coverage_report/index.html
浏览器将显示函数、行、分支的覆盖率统计，绿色表示已覆盖，红色表示未执行。
5. 常见问题与注意事项
- 确保编译和链接都加上 -fprofile-arcs -ftest-coverage
- 不要使用 -DNDEBUG 或高优化等级（如 -O2），会影响结果准确性
- 每个重新编译后需重新运行测试以生成新的 .gcda
- 跨目录项目建议指定正确的源码路径给 lcov
- CI 中可结合脚本自动执行并上传报告
基本上就这些。只要编译正确、测试运行完整，gcov + lcov 就能清晰展示 C++ 项目的实际覆盖情况，帮助发现测试盲区。不复杂但容易忽略细节。
