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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0190
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08