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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00