Jest项目中JSDOM环境缺失structuredClone方法的问题解析
2025-05-02 19:40:04作者:舒璇辛Bertina
背景介绍
在JavaScript测试框架Jest的最新版本29.7.0中,开发者发现当使用JSDOM测试环境时,现代浏览器APIstructuredClone()无法正常工作。这个API是现代浏览器提供的一个深度克隆方法,可以正确处理包括循环引用在内的复杂数据结构。
问题本质
structuredClone()是浏览器环境中一个相对较新的API,它提供了一种标准化的方式来创建JavaScript值的深度拷贝。与JSON.parse/JSON.stringify方法相比,它能够处理更多数据类型,包括Map、Set、Date、RegExp等。
在Jest的JSDOM测试环境中,这个API默认不可用,因为JSDOM项目本身尚未实现这个功能。这与Node.js测试环境不同,Jest团队已经为Node.js环境添加了这个API的polyfill。
技术解决方案
对于需要在JSDOM环境中使用structuredClone()的开发者,有两种可行的解决方案:
- 自定义测试环境:通过扩展Jest的JSDOM环境类,手动添加这个API
const {TestEnvironment} = require('jest-environment-jsdom');
module.exports = class CustomJSDOMEnvironment extends TestEnvironment {
constructor(...args) {
super(...args);
this.global.structuredClone = globalThis.structuredClone;
}
};
- 等待上游修复:等待JSDOM项目原生实现这个API
设计理念分析
Jest团队对于不同测试环境的API支持采取了不同的策略:
- 对于Node.js环境:主动添加现代API的polyfill
- 对于JSDOM环境:保持与上游项目的一致性,不主动添加额外API
这种差异化的设计源于两种环境的不同性质。Node.js环境没有类似JSDOM这样的"polyfill模块",所以Jest需要直接提供这些API。而JSDOM本身就是一个模拟浏览器环境的项目,Jest选择尊重其原生实现。
最佳实践建议
对于项目中的测试需求,开发者应该:
- 评估是否真的需要在测试中使用
structuredClone() - 如果必须使用,优先考虑自定义环境方案
- 关注JSDOM项目的更新,当原生支持后可简化配置
- 对于简单的克隆需求,可以考虑使用替代方案如lodash的cloneDeep
总结
这个问题反映了测试环境中现代API支持的一个常见挑战。Jest团队的设计决策体现了对上游项目的尊重和模块化思想,同时也为开发者提供了灵活的扩展方案。理解这些底层原理有助于开发者更好地组织测试代码,做出合理的技术选型。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92