JSDOM 27.0.0-beta.1 发布:虚拟控制台重构与HTML标准对齐
JSDOM 是一个在 Node.js 环境中实现的 Web 标准 DOM 和 HTML 的 JavaScript 实现。它允许开发者在服务器端运行和测试浏览器环境中的代码,是现代前端测试工具链中的重要组成部分。最新发布的 27.0.0-beta.1 版本带来了一些重要的变更和改进,值得开发者关注。
最低 Node.js 版本要求提升
JSDOM 27.0.0-beta.1 现在要求 Node.js 20 或更高版本。这一变更反映了项目对现代 JavaScript 特性的依赖以及对长期支持版本的跟进。对于仍在使用旧版 Node.js 的开发者来说,这是一个明确的升级信号。
用户代理样式表来源变更
本次版本中一个值得注意的变化是用户代理样式表(UA样式)的来源从 Chromium 转向了 HTML 标准。这一变更意味着:
getComputedStyle()的返回值可能发生变化- 元素默认样式表现将更贴近标准规范而非特定浏览器实现
- 测试结果可能因此产生差异,需要开发者注意
对于依赖特定默认样式的测试用例,建议进行复查以确保兼容性。
虚拟控制台重大重构
虚拟控制台是 JSDOM 中处理控制台输出和错误的重要组件,本次版本对其进行了多项改进:
错误事件规范化
"jsdomError" 事件现在有了明确的文档规范和结构化类型系统。每个错误事件现在包含:
- 标准化的
type属性,用于标识错误类别 - 根据错误类型而定的附加属性
- 更一致的错误处理接口
API 变更
sendTo()方法已重命名为更具语义的forwardTo()- 新增
jsdomErrors选项,取代了原来的omitJSDOMErrors布尔标志 - 错误转发机制更加灵活可控
错误处理优化
- 移除了失败的
XMLHttpRequest获取操作的"jsdomError"事件 - 转发到 Node.js 控制台的错误值格式更加简洁统一
这些变更使得错误处理更加符合开发者预期,减少了噪音,提高了调试效率。
ElementInternals 可访问性修复
在 23.1.0 版本引入的 ElementInternals 可访问性相关 getter 和 setter 由于测试覆盖不足,实际上并未正常工作。本次版本修复了这一问题,使得:
- 自定义元素的可访问性属性可以正确设置和获取
- 表单关联自定义元素的验证状态能够正确反映
- ARIA 属性操作更加可靠
Object.defineProperty 修复
修复了在特定对象(如 HTMLSelectElement 实例)上使用 Object.defineProperty() 的问题。这一修复使得:
- 属性定义行为更加符合浏览器实现
- 动态属性操作更加可靠
- 与某些依赖属性定义机制的库的兼容性更好
升级建议
对于考虑升级到 27.0.0-beta.1 的开发者,建议:
- 首先确保运行环境升级到 Node.js 20+
- 检查测试用例中对默认样式的依赖
- 审查虚拟控制台相关代码,特别是错误处理部分
- 如果使用了
ElementInternals的可访问性特性,验证其行为 - 注意
sendTo()到forwardTo()的重命名
这个 beta 版本为 JSDOM 带来了更加标准化的行为和更可靠的实现,虽然包含了一些破坏性变更,但这些变更有助于项目长期维护和与 Web 标准的对齐。
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