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。
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