TanStack Router 单元测试中解决 window.scrollTo 未实现错误
在最新版本的 TanStack Router(v1.98.1 及以上)项目中运行单元测试时,开发者可能会遇到一个常见的控制台错误:"Error: Not implemented: window.scrollTo"。虽然测试用例仍然能够通过,但这个错误信息会影响测试输出的整洁性,也可能掩盖其他潜在问题。
问题背景
这个错误源于测试环境中的一个技术限制。TanStack Router 在内部实现了滚动恢复功能,当路由变化时会自动调用 window.scrollTo 方法来恢复页面滚动位置。然而,在测试环境中使用的 jsdom(一个模拟浏览器环境的 JavaScript 实现)并没有完整实现所有浏览器 API,其中就包括 window.scrollTo 方法。
解决方案
解决这个问题的方法是在测试环境中手动模拟 window.scrollTo 方法。以下是几种实现方式:
1. 全局模拟方案
可以在测试设置文件中(如 vitest.setup.ts 或 jest.setup.js)添加以下代码:
Object.defineProperty(window, 'scrollTo', {
value: () => {},
writable: true
});
2. 单个测试文件模拟
如果只需要在特定测试文件中解决这个问题,可以在测试文件顶部添加:
beforeEach(() => {
window.scrollTo = jest.fn();
});
3. 使用测试库的配置
某些测试框架提供了配置选项来预先设置这些模拟。例如在 Vitest 中:
// vitest.config.ts
export default defineConfig({
test: {
setupFiles: ['./test-setup.ts']
}
});
然后在 test-setup.ts 中实现模拟。
技术原理
这个问题的本质是测试环境与浏览器环境的差异。jsdom 作为 Node.js 环境中的浏览器模拟器,出于性能和安全考虑,并没有实现所有浏览器 API。window.scrollTo 就是其中之一,因为它通常涉及实际的视图渲染和布局计算。
TanStack Router 的滚动恢复功能是一个重要的用户体验优化,它会在路由导航时:
- 记住离开页面时的滚动位置
- 在返回时恢复该位置
- 在新页面导航时将页面滚动到顶部
在测试环境中,我们不需要实际的滚动行为,只需要确保这些方法被调用即可,因此简单的空函数模拟就足够了。
最佳实践
-
建议在项目级别的测试配置中统一处理这类浏览器 API 的模拟,而不是在每个测试文件中重复
-
对于需要验证滚动行为的特殊情况测试,可以扩展模拟实现来记录调用信息:
const scrollToMock = jest.fn();
window.scrollTo = scrollToMock;
// 在测试中验证
expect(scrollToMock).toHaveBeenCalledWith(0, 0);
- 保持模拟的简单性,避免在测试中引入复杂的滚动逻辑,这应该属于端到端测试的范畴
通过以上方法,开发者可以消除测试中的干扰信息,同时确保 TanStack Router 的滚动功能在测试中得到适当的验证。
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