WebDriverManager项目中的NumberFormatException异常分析与解决方案
在使用WebDriverManager进行浏览器自动化测试时,开发者可能会遇到一个特定的异常情况:io.github.bonigarcia.wdm.config.WebDriverManagerException: java.lang.NumberFormatException: For input string: "public"。这个错误通常出现在远程Jenkins环境中,而本地环境却能正常运行。
异常现象分析
该异常表现为WebDriverManager在尝试解析某个字符串为数字时失败,具体是遇到了"public"这个无法转换为数字的字符串。这种情况多发生在以下环境配置下:
- Chrome浏览器版本:122.0.6261.70(64位官方版本)
- WebDriverManager版本:5.7.0
- Selenium Java版本:3.141.59
根本原因
这种异常通常与WebDriverManager的缓存机制有关。当WebDriverManager尝试从远程仓库下载或验证浏览器驱动时,可能会因为缓存中的某些元数据损坏或不完整而导致解析错误。特别是当环境从本地迁移到远程Jenkins环境时,由于环境差异,缓存问题更容易显现。
解决方案
针对这个问题,WebDriverManager的维护者提供了明确的解决方案:
-
确保使用最新版本:确认使用的是WebDriverManager 5.7.0或更高版本。
-
清理驱动缓存:在执行WebDriverManager设置前,显式调用清除缓存的方法。这可以通过以下代码实现:
WebDriverManager.chromedriver().clearDriverCache().setup();
这个方法链式调用首先清除可能损坏的缓存,然后再进行正常的驱动设置。
最佳实践建议
-
环境一致性:尽量保持开发环境和CI/CD环境的一致性,包括浏览器版本和WebDriverManager配置。
-
异常诊断:当遇到类似问题时,应该收集完整的WebDriverManager日志,这有助于更准确地定位问题根源。
-
版本兼容性:虽然Selenium 3.141.59与WebDriverManager 5.7.0可以配合使用,但考虑升级到Selenium 4.x系列可能获得更好的兼容性和新特性。
-
缓存管理:在CI/CD流水线中,特别是使用容器或临时环境时,考虑在每次执行前清理缓存,以避免跨构建的缓存污染。
通过以上措施,开发者可以有效解决这个特定的NumberFormatException异常,确保自动化测试在本地和远程环境中都能稳定运行。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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