React Native Testing Library 中测试隐藏可访问性元素的解决方案
背景介绍
在React Native应用开发中,我们经常需要处理可访问性(ADA)相关的功能。其中一个常见需求是隐藏某些元素,使其不被屏幕阅读器等辅助技术所识别。React Native提供了accessibilityElementsHidden和importantForAccessibility等属性来实现这一功能。
问题现象
在使用React Native Testing Library进行测试时,开发者发现当组件设置了accessibilityElementsHidden或importantForAccessibility="no-hide-descendants"属性后,测试用例无法找到这些元素及其子元素。这在React Native 0.70版本及之前是可行的,但在升级到0.72版本后出现了问题。
原因分析
这个行为变化实际上是React Native Testing Library有意为之的改进。在真实设备上,设置了这些可访问性属性的元素确实应该对辅助技术隐藏。测试库为了更真实地模拟用户环境,默认情况下也会忽略这些隐藏元素。
解决方案
虽然默认行为改变了,但测试库仍然提供了测试这些隐藏元素的方法。我们可以使用includeHiddenElements选项来覆盖默认行为:
// 测试隐藏元素的文本内容
expect(getByText('Hello World', { includeHiddenElements: true })).toBeTruthy();
// 测试隐藏元素的testID
expect(getByTestId('View', { includeHiddenElements: true })).toBeTruthy();
最佳实践
-
区分测试目的:对于正常的用户交互测试,保持默认行为;只有专门测试可访问性功能时,才使用
includeHiddenElements选项。 -
双重验证:可以编写两组测试用例,一组验证元素对辅助技术隐藏,另一组验证元素内容正确渲染。
-
注释说明:在使用
includeHiddenElements的地方添加注释,说明这是专门为了测试可访问性功能。
技术细节
includeHiddenElements选项会覆盖测试库的默认过滤行为,使查询能够匹配到以下元素:
- 设置了
accessibilityElementsHidden={true}的元素 - 设置了
importantForAccessibility="no-hide-descendants"的元素 - 其他被标记为隐藏的元素
版本兼容性说明
这一行为变化主要发生在以下版本升级后:
- React Native从0.70升级到0.72
- React Native Testing Library从11.x升级到12.x
建议开发者在升级这些依赖时,检查所有涉及可访问性元素的测试用例。
总结
React Native Testing Library的这一改进使得测试更加贴近真实用户环境。虽然需要调整测试代码,但提供了更准确的测试结果。通过合理使用includeHiddenElements选项,我们既能测试可访问性功能的正确性,又能验证隐藏元素的内容渲染。
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