Highcharts 12.2.0 升级指南:解决单元测试中的 CSS.supports 错误
问题背景
在升级 Highcharts 到 12.2.0 版本后,许多开发者在运行基于 jsdom 的单元测试时遇到了 TypeError: tk.CSS?.supports is not a function 的错误。这个错误通常出现在使用 Jest、Vitest 等测试框架的环境中,特别是在 React 组件测试场景中。
错误原因分析
这个问题的根源在于 Highcharts 12.2.0 开始使用了 CSS.supports() API 来检测浏览器对某些 CSS 特性的支持情况。然而,在测试环境中使用的 jsdom 默认没有完全实现这个 API。
CSS.supports() 是 CSS 对象的一个静态方法,用于检查浏览器是否支持特定的 CSS 属性或属性值组合。在真实浏览器环境中,这个 API 是普遍可用的,但在测试环境中需要额外配置。
解决方案
方案一:安装 cssom 依赖
对于早期版本的 Highcharts,社区推荐安装 cssom 依赖来提供完整的 CSS 对象支持:
npm install --save-dev cssom
方案二:手动模拟 CSS.supports API(推荐)
更现代的解决方案是在测试配置文件中手动模拟这个 API。以 Vitest 为例,可以在 vitest.setup.ts 文件中添加以下代码:
// Mock the CSS.supports API
vi.stubGlobal('CSS', {
supports: vi.fn().mockImplementation((property, value) => {
return true; // 简单返回 true 适用于大多数情况
}),
});
对于 Jest 用户,可以在 jest.setup.js 中类似地模拟:
global.CSS = {
supports: jest.fn().mockImplementation(() => true)
};
最佳实践
-
选择性模拟:根据测试需求,可以实现更精细的模拟逻辑,而不是简单地返回 true。例如,可以针对特定 CSS 属性返回不同的支持结果。
-
测试环境检查:在测试配置中添加环境检查,确保只在测试环境中应用这些模拟。
-
版本兼容性:如果项目中使用多个版本的 Highcharts,建议统一升级到最新稳定版,避免因版本差异导致的兼容性问题。
总结
Highcharts 12.2.0 引入的新特性依赖现代浏览器 API,这在测试环境中需要特别注意。通过适当的模拟配置,可以确保单元测试顺利运行,同时不影响 Highcharts 的功能使用。这个问题虽然不是 Highcharts 本身的缺陷,但在升级过程中确实是一个需要注意的兼容性事项。
对于前端测试架构师来说,理解这类浏览器 API 的测试环境差异,并建立相应的模拟机制,是保证测试可靠性的重要环节。
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