Jest项目中JSDOM环境缺失structuredClone方法的问题解析
2025-05-02 19:29:51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
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
64
19
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879