Popper: 实时跨浏览器自动化测试工具
2024-05-22 09:13:02作者:韦蓉瑛
Popper: 实时跨浏览器自动化测试工具
在Web的广泛普及中,其痛点在于进行准确的测试变得复杂。常常见到模糊的浏览器兼容性声明,如“IE9+”,仿佛只要IE9能工作,其他所有操作系统和平台组合都应无问题!对于那些需要更真实数据的人,Popper模块让早期开发周期中的测试变得轻松许多,甚至可以实时进行。

这是Ripple v0.3在最新Chrome,Firefox,IE,Android和iOS上的测试结果快照。
功能特性
- 使用BrowserStack和Sauce Labs孵化代理。
- 支持多仓库测试,即使一个模块的变动可能影响其他模块(例如utilise的microlibs或Ripple v0.3)。
- 在实时中聚合每个仓库、每个浏览器以及全局的结果。
- 文件变更时自动重跑测试。
- 打开自己的浏览器标签作为测试代理,适合企业环境使用。
- 自动识别操作系统/浏览器,并提供简单图标。
- 提供命令行接口(CLI),默认设置便利。
.popper.yml文件可为每个仓库持久化配置测试参数。- 代理控制台/错误语句,使远程调试移动设备更加容易。
- 强制在特定代理上重新运行测试。
- 查看结果页面快照流,由代理产生。
- 集成持续集成(CI),通过
npm test调用popper,如果所有定义的浏览器测试通过,将干净退出。 - 可以增加CI超时时间,通过
POPPER_TIMEOUT=毫秒设置。 - 可选隧道功能,允许完全禁用ngrok隧道。
- 添加自己的远程农场。
- 添加自定义的测试运行器。
使用方法
全局安装:
npm i -g popper
局部安装:
npm i -D popper
运行:
popper
开启调试模式并查看日志:
NODE_ENV=debug popper
如果你设置了BROWSERSTACK_USERNAME和BROWSERSTACK_KEY环境变量,Popper会使用BrowserStack启动测试代理。
运行时,打开localhost:1945进行测试,同时保持localhost:1945/dashboard打开来查看测试结果的实时更新。
CLI选项
你可以通过命令行、YAML或JS API设置以下选项:
使用: popper
选项:
-b, --browsers: 要运行测试的浏览器,默认无
-t, --test: 用于生成测试捆绑包的命令, 默认为 "browserify test.js"
-p, --port: 运行的端口,默认为1945
-w, --watch: 监听文件变化的文件或目录,默认为当前目录
-n, --notunnel: 禁止打开隧道,默认开启
-l, --timeout: CI模式下等待结果的最大时间,默认为POPPER_TIMEOUT或20000
-r, --runner: 测试运行器,可选'mocha' 或 'tape',默认为'mocha'
-f, --farm: 远程浏览器农场,默认为browserstack
默认选项
如果没有从本地YAML配置或命令行参数提供某些选项,它们将使用以下默认值:
- 全局:
none - 浏览器:
none - 测试:
browserify test.js - 端口:
1945 - 监听:
.(当前目录) - 关闭隧道:
false - 运行器:
mocha - 超时时间:
process.env.POPPER_TIMEOUT || 20000 - 农场:
browserstack
YAML配置(示例)
可以参考utilise的配置和rijs/reactive的配置。
JS API配置(示例)
参考Ripple的配置。
应用场景
Popper适用于任何需要跨浏览器实时测试的项目,无论是在个人项目还是大型团队协作中。特别是当你需要确保你的代码在各种浏览器环境下都能正常工作,或者在持续集成环境中快速验证新代码的兼容性时,它都是理想的选择。
项目特点
- 实时性:文件改变即触发重新测试,立即反馈结果。
- 灵活性:支持多种配置方式(CLI、YAML、JS API)适应不同需求。
- 扩展性:可以通过添加农场和测试运行器来自定义测试环境。
- 自动化:与CI系统集成,一键完成多浏览器测试。
总之,Popper是现代前端开发者进行跨浏览器自动化测试的强大工具,它的强大功能和易用性使得测试变得更加简单高效。无论是个人开发者,还是团队协作,都可以考虑将其纳入日常的开发流程,提升产品质量和效率。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869