Selenide v7.7.0 版本发布:新增 Moon 浏览器支持与滚动控制功能
项目简介
Selenide 是一个基于 Selenium WebDriver 的轻量级测试框架,它简化了 Web 应用程序的自动化测试流程。Selenide 提供了简洁的 API 和强大的内置功能,如自动等待机制、简单的断言方法和简洁的选择器语法,使得编写稳定可靠的 UI 测试变得更加容易。
版本亮点
1. 新增 Moon 浏览器自动化解决方案支持
Selenide v7.7.0 版本正式加入了对 Moon 浏览器自动化解决方案的支持。Moon 是一个基于 Kubernetes 的浏览器自动化平台,特别适合在云环境中运行大规模的浏览器测试。通过这一集成,Selenide 用户现在可以轻松地将他们的测试扩展到 Moon 平台上运行,享受云浏览器测试带来的便利和扩展性。
2. 增强的滚动控制功能
新版本引入了 $.scroll() 方法,提供了更精细的页面滚动控制能力。与之前版本相比,这个新方法允许开发者指定滚动的方向和距离,使得测试脚本能够更精确地控制页面滚动行为。这在测试现代单页应用(SPA)或具有复杂滚动行为的页面时尤为有用。
方法签名类似于:
$(selector).scroll(Direction.UP, 100); // 向上滚动100像素
$(selector).scroll(Direction.DOWN, 50); // 向下滚动50像素
3. 调试日志增强
为了帮助开发者更好地理解和调试测试执行过程,v7.7.0 增加了关于添加和移除事件监听器的详细调试日志。这些日志信息可以帮助开发者追踪 Selenide 内部的事件处理机制,特别是在处理复杂交互或调试测试失败时非常有用。
4. 安全更新与依赖升级
本次版本包含了对 BrowserUpProxy 相关证书的更新,确保代理功能的安全性。同时,项目也更新了多个关键依赖:
- Netty 升级至 4.1.116.Final 版本
- LittleProxy 升级至 2.4.0 版本
- Commons Text 升级至 1.13.0 版本
- Guava 升级至 33.4.0-jre 版本
这些依赖更新不仅带来了性能改进,还修复了已知的问题,提高了整个框架的稳定性和安全性。
技术深度解析
Moon 浏览器集成背后的技术
Moon 的集成意味着 Selenide 现在支持又一种云浏览器解决方案。在实现上,这涉及到对 Selenium RemoteWebDriver 的扩展,以及对 Moon 特定配置参数的支持。开发者现在可以通过 Selenide 的标准配置方式指定 Moon 作为目标浏览器,而无需编写额外的适配代码。
滚动控制的实现原理
新的 $.scroll() 方法底层利用了 JavaScript 执行能力,通过注入脚本来精确控制页面滚动。这种方法比传统的基于动作链的滚动方式更加可靠,因为它直接操作 DOM 而不是模拟用户行为,减少了因浏览器差异或渲染延迟导致的问题。
升级建议
对于现有用户,升级到 v7.7.0 版本是推荐的,特别是:
- 计划使用云浏览器测试解决方案的团队
- 需要精确控制页面滚动的项目
- 关注依赖安全性的组织
升级过程通常只需更新 Maven 或 Gradle 依赖版本号即可,大多数现有测试应该无需修改即可继续工作。不过,建议在全面升级前先在测试环境中验证关键测试用例。
结语
Selenide v7.7.0 通过新增 Moon 支持和增强的滚动控制功能,进一步巩固了其作为现代化 Web 测试框架的地位。这些改进不仅扩展了框架的应用场景,也为开发者提供了更多工具来编写可靠、可维护的自动化测试。随着云测试环境的普及和 Web 应用复杂度的增加,这些新特性将帮助团队更高效地应对现代 Web 测试挑战。
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。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00