Playwright Java v1.50.0 版本发布:增强断言能力与UI调试体验
Playwright 是一个现代化的跨浏览器自动化测试框架,支持Chromium、Firefox和WebKit等主流浏览器引擎。Playwright Java是其Java语言绑定版本,为Java开发者提供了强大的浏览器自动化能力。最新发布的v1.50.0版本带来了一系列功能增强和用户体验改进。
新增断言方法支持ARIA错误消息验证
本次更新引入了一个重要的新断言方法assertThat(locator).hasAccessibleErrorMessage(),用于验证Locator指向的元素是否具有特定的ARIA错误消息。这个功能基于W3C的ARIA规范中的aria-errormessage属性,该属性用于将元素与其错误消息关联起来,提升无障碍访问体验。
开发者现在可以轻松验证表单字段等元素是否正确显示错误提示信息,这对于确保应用程序的无障碍特性和表单验证逻辑非常有帮助。例如,在测试一个登录表单时,可以验证当用户输入无效凭据时,系统是否正确地显示了错误消息。
用户界面调试工具增强
v1.50.0版本对Playwright的UI调试工具进行了多项改进:
-
代码生成器(Codegen)新增元素选择功能:现在可以通过点击界面元素来生成对应的ARIA快照代码,大大简化了测试脚本的编写过程。
-
Trace查看器增强:
- 动作API调用现在会显示更多细节,包括按键操作等信息
- 默认禁用了canvas内容的显示(因其容易出错),但可以通过"Display canvas content"设置手动开启
- "Call"和"Network"面板新增了时间信息显示,便于性能分析
断言行为变更
本次版本包含一个重要的破坏性变更:assertThat(locator).isEditable()和locator.isEditable()方法现在会严格检查目标元素类型。只有当元素是<input>、<select>或其他明确可编辑的元素时,断言才会通过。这一变更使得API行为更加准确和一致,但可能需要开发者更新现有的测试用例。
浏览器支持更新
Playwright Java v1.50.0支持以下浏览器版本:
- Chromium 133.0.6943.16
- Mozilla Firefox 134.0
- WebKit 18.2
同时,该版本也已针对Google Chrome 132和Microsoft Edge 132等稳定版浏览器进行了测试验证。
总结
Playwright Java v1.50.0版本通过增强断言能力、改进UI调试工具和更新浏览器支持,进一步提升了测试自动化的便利性和可靠性。特别是新增的ARIA错误消息验证功能,为无障碍测试提供了更好的支持。开发者在升级时需要注意isEditable()断言的行为变更,以确保现有测试用例的兼容性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00