Highcharts升级至12.2.0版本时CSS.supports问题的解决方案
在将Highcharts升级到12.2.0版本时,部分开发者可能会遇到一个与CSS.supports相关的TypeError错误。这个问题主要出现在使用jsdom环境进行单元测试的场景中,错误信息表现为"tk.CSS?.supports is not a function"。
问题背景
Highcharts 12.2.0版本在内部实现中引入了对CSS.supports API的调用,这是一个用于检测浏览器是否支持特定CSS特性的Web API。然而,在测试环境中,特别是使用jsdom模拟浏览器环境时,这个API可能没有被完整实现。
问题表现
当运行单元测试时,控制台会抛出以下错误:
TypeError: tk.CSS?.supports is not a function
这个错误会导致所有包含Highcharts组件的测试用例失败。
解决方案
针对这个问题,开发者可以采用以下几种解决方案:
方案一:安装cssom依赖
这是一个较为通用的解决方案,适用于多种测试框架:
npm install --save-dev cssom
这个包会提供完整的CSSOM实现,包括CSS.supports方法。
方案二:使用Vitest的模拟方法
如果你使用的是Vitest测试框架,可以在测试设置文件中添加以下代码:
// 在vitest.setup.ts文件中
vi.stubGlobal('CSS', {
supports: vi.fn().mockImplementation((property, value) => {
return true;
}),
});
这种方法直接模拟了CSS.supports API,使其始终返回true,适用于大多数测试场景。
方案三:Jest环境下的解决方案
对于使用Jest的开发者,可以在测试文件或setup文件中添加:
global.CSS = {
supports: jest.fn().mockImplementation(() => true)
};
技术原理
这个问题的本质在于测试环境与浏览器环境的差异。Highcharts作为一款基于SVG/VML的图表库,在某些功能实现上会依赖浏览器提供的Web API。CSS.supports就是其中之一,它通常用于检测浏览器对特定CSS特性的支持情况。
在真实的浏览器环境中,CSS.supports是全局可用的,但在jsdom这样的模拟环境中,为了保持轻量级,很多Web API的实现是不完整的。因此,当Highcharts尝试调用这个API时就会抛出错误。
最佳实践
- 环境隔离:确保测试环境与生产环境的差异最小化
- 按需模拟:只模拟必要的API,避免过度模拟
- 版本控制:保持Highcharts和相关测试依赖的版本同步更新
- 文档检查:升级前查阅Highcharts的版本变更说明,了解可能的破坏性变更
总结
Highcharts 12.2.0引入的新特性依赖CSS.supports API,这在测试环境中需要特殊处理。通过安装额外依赖或适当模拟缺失的API,开发者可以顺利解决这个问题。理解测试环境与浏览器环境的差异,是前端开发中提高测试覆盖率和质量的关键所在。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00