MDN浏览器兼容性数据项目v5.7.0版本发布分析
MDN浏览器兼容性数据项目是一个为Web开发者提供全面浏览器支持信息的开源数据库。该项目通过结构化数据形式记录了各种Web技术在不同浏览器版本中的兼容性情况,帮助开发者快速判断某项功能是否可以在目标浏览器中使用。
本次发布的v5.7.0版本主要围绕WebDriver双向通信协议(BiDi)的支持进行了重大更新,同时对Canvas 2D上下文、图像数据处理等Web API功能进行了补充和完善。作为Web自动化测试领域的重大进步,WebDriver BiDi协议的加入将为开发者提供更强大的浏览器自动化控制能力。
WebDriver双向通信协议支持
v5.7.0版本最重要的更新是全面引入了WebDriver BiDi协议的兼容性数据。WebDriver BiDi是下一代浏览器自动化协议,相比传统的WebDriver Classic协议,它提供了双向通信能力,允许浏览器主动向测试脚本推送事件通知。
新版本在数据结构上进行了清晰划分:
- 传统WebDriver命令被迁移到
webdriver.classic.*命名空间下 - 新增的BiDi协议数据则放置在
webdriver.bidi.*命名空间下
BiDi协议的支持范围非常广泛,包含了浏览器控制、页面导航、网络请求拦截、脚本执行、权限管理等多个核心模块。例如:
- 浏览器上下文管理:支持创建和删除用户上下文
- 页面控制:提供截图、打印、视口设置等功能
- 网络拦截:可以在请求发送前后进行干预
- 脚本执行:支持预加载脚本和函数调用
这些功能的加入使得自动化测试脚本能够更精细地控制浏览器行为,实现更复杂的测试场景。
Canvas与图像处理增强
本次更新还完善了Canvas 2D渲染上下文和图像数据处理相关的兼容性信息:
-
新增了CanvasRenderingContext2D和OffscreenCanvasRenderingContext2D的lang属性支持数据,这个属性允许开发者指定画布内容的语言,对于国际化应用和辅助技术具有重要意义。
-
ImageData构造函数现在支持settings参数,特别是加入了colorSpace选项的兼容性数据,这使得开发者可以在不同色彩空间下创建图像数据,满足专业图像处理需求。
窗口通信与CSS渐变改进
Window.postMessage方法新增了options参数的delegate特性支持数据。这个特性允许消息发送方指定是否将消息委托给其他窗口处理,为跨窗口通信提供了更灵活的控制方式。
在CSS方面,本次更新完善了各种渐变函数对单色停止点(single color stop)的支持情况。现在开发者可以更准确地了解conic-gradient、linear-gradient和radial-gradient等渐变函数在不同浏览器中对简化语法的支持程度。
浏览器版本更新
随着各主流浏览器发布新版本,兼容性数据库也同步更新至:
- Chrome/Chrome Android/WebView Android 137
- Firefox/Firefox Android 139
这些版本数据的加入确保了开发者能够获取最新的浏览器兼容性信息。
总结
MDN浏览器兼容性数据项目v5.7.0版本通过引入WebDriver BiDi协议支持,为Web自动化测试领域带来了重要更新。同时,对Canvas、图像处理、窗口通信等Web API的完善,进一步提升了数据库的全面性和实用性。这些更新将帮助开发者更准确地评估技术方案的可行性,构建兼容性更好的Web应用。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00