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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00