VeChain DApp Kit 中为 UI 元素添加测试标识的最佳实践
2025-07-09 05:31:55作者:咎竹峻Karen
在现代 Web 应用开发中,自动化测试已成为保证应用质量的重要环节。VeChain DApp Kit 作为一个区块链 DApp 开发工具包,其 UI 组件的可测试性尤为重要。本文将探讨如何为封装 DOM 中的 UI 元素添加测试标识,以提升自动化测试的稳定性和可维护性。
封装 DOM 带来的测试挑战
VeChain DApp Kit 使用 Lit 元素构建,这导致 UI 组件被封装在多层封装 DOM 中。传统的 CSS 选择器在这种情况下会遇到困难,因为封装 DOM 创建了隔离的 DOM 树结构,外部选择器无法直接访问内部元素。
解决方案:专用测试属性
为应对这一挑战,开发团队决定为关键 UI 元素添加专用测试标识。这些标识具有以下特点:
- 语义化命名:使用有意义的 ID 名称,如
connect-veworld,明确表示该按钮用于连接 VeWorld 钱包 - 稳定性:不依赖元素在 DOM 中的位置顺序,避免因 UI 结构调整导致测试失败
- 专属性:这些标识专门用于测试目的,不会影响样式或功能
现代测试工具的支持
值得注意的是,现代测试工具如 Playwright 已经提供了对封装 DOM 的原生支持。通过其 :light 选择器或专门的封装 DOM 定位 API,测试脚本可以直接穿透封装 DOM 边界定位元素。然而,即使有这样的技术支持,添加专用测试标识仍然是推荐做法,因为它能:
- 提高测试代码的可读性
- 减少对 UI 结构变化的敏感性
- 使测试意图更加明确
实施建议
对于使用 VeChain DApp Kit 的开发者,在编写自动化测试时建议:
- 优先使用专用测试标识定位元素
- 对于尚未添加标识的元素,可以利用 Playwright 的封装 DOM 穿透功能作为临时解决方案
- 为常用操作封装可复用的测试工具函数
通过遵循这些实践,开发者可以构建更加健壮和可维护的 DApp 测试套件,确保应用在各种场景下的稳定运行。
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
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137