Selenide项目v7.9.3版本发布:Web自动化测试框架的稳定性提升
Selenide是一个基于Selenium WebDriver的现代化Web自动化测试框架,它通过简洁的API和内置的智能等待机制,大大简化了Web UI测试的编写过程。Selenide框架的核心目标是让测试代码更加简洁、可读性更强,同时提供稳定的测试执行环境。
近日,Selenide发布了7.9.3版本,这是一个维护性更新,主要针对框架的稳定性和功能细节进行了优化。让我们来看看这个版本带来的重要改进。
升级至Selenium 4.33.0
本次更新将底层依赖的Selenium版本升级到了4.33.0。Selenium作为Web自动化测试的基础框架,其每个版本更新都会带来浏览器兼容性改进、性能优化和bug修复。通过保持Selenium版本的及时更新,Selenide能够确保与最新浏览器的兼容性,同时获得Selenium团队提供的最新功能和稳定性改进。
按键保持点击功能增强
在之前的版本中,Selenide已经支持在执行点击操作时保持某些按键按下(如CTRL、SHIFT等),这在进行组合操作(如下拉菜单选择或打开新标签页)时非常有用。7.9.3版本进一步扩展了这一功能,现在可以明确指定使用左侧的ALT、CTRL和SHIFT键:
// 按住左ALT键点击元素
$("#element").click(usingDefaultMethod().withKey(Keys.LEFT_ALT));
// 按住左CTRL键点击元素
$("#element").click(usingDefaultMethod().withKey(Keys.LEFT_CONTROL));
// 按住左SHIFT键点击元素
$("#element").click(usingDefaultMethod().withKey(Keys.LEFT_SHIFT));
这一改进使得按键操作更加精确,特别是在需要模拟特定用户操作场景时。
setValue方法的焦点处理优化
Selenide的setValue方法用于向输入框设置值,在7.9.3版本中修复了一个关于焦点处理的细节问题。之前的实现中,即使输入框已经获得焦点,setValue方法仍然会先执行点击操作来获取焦点,这可能导致不必要的操作和潜在的稳定性问题。
新版本优化了这一行为,现在当输入框已经处于焦点状态时,setValue会跳过获取焦点的步骤,直接设置值。这一改进不仅使操作更加高效,也减少了因不必要操作导致的潜在问题。
页面对象初始化优化
Selenide支持页面对象模式(Page Object Pattern),这是UI自动化测试中常用的设计模式。7.9.3版本修复了一个页面对象初始化的问题,现在即使在没有显式创建WebDriver实例的情况下,也能正确初始化页面对象。
这一改进使得测试代码更加灵活,特别是在某些特殊测试场景或集成测试环境中,开发者可以更加自由地组织测试代码结构。
文本匹配条件优化
Selenide提供了丰富的条件判断方法,其中texts条件用于验证元素集合中的文本内容。7.9.3版本修复了在FULL_TEXT模式下"texts in any order"(文本任意顺序匹配)条件的一个问题。
在FULL_TEXT模式下,Selenide会考虑元素的完整文本内容(包括子元素的文本),而不仅仅是直接文本。之前的实现在某些情况下可能无法正确匹配,新版本修复了这一问题,使得文本匹配更加准确可靠。
依赖项更新
除了功能改进外,7.9.3版本还更新了httpclient5依赖至5.5版本。HttpClient是Selenide内部用于处理HTTP请求的组件,这一更新带来了性能改进和安全修复,进一步增强了框架的稳定性和安全性。
总结
Selenide 7.9.3版本虽然是一个小版本更新,但包含了对框架多个关键功能的优化和修复。从底层依赖的更新到API行为的改进,这些变化共同提升了框架的稳定性和用户体验。对于已经使用Selenide的项目,建议升级到这个版本以获得更好的测试稳定性和更精确的操作控制。
Selenide框架持续关注开发者体验和测试稳定性,这些看似微小的改进实际上反映了项目团队对质量的不懈追求。通过定期的小版本更新,Selenide能够快速响应社区反馈,不断优化框架的各个方面,为Web自动化测试提供更加可靠和易用的工具。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00