JSDOM 27.0.0-beta.0 版本前瞻:CSS 选择器引擎升级与事件系统增强
JSDOM 是一个在 Node.js 环境中实现 Web 标准的纯 JavaScript 实现,它模拟了浏览器环境中的 DOM 和 HTML 标准。作为前端开发和测试的重要工具,JSDOM 的最新 27.0.0-beta.0 版本带来了两项重大改进:CSS 选择器引擎的替换和事件构造函数的扩展。
全新 CSS 选择器引擎带来更强大的选择能力
本次 beta 版本最核心的变化是将 CSS 选择器引擎从 nwsapi 替换为 @asamuzakjp/dom-selector。这并非 JSDOM 首次尝试这一变更,早在 23.2.0 版本中就曾尝试过,但由于性能问题在 24.0.0 版本中回退。经过开发团队的持续优化,新版 @asamuzakjp/dom-selector 的性能已显著提升,在实际基准测试中仅比旧引擎慢 10%(之前为 50%)。
新引擎的最大优势在于对 CSS 选择器更完整的支持。仅这一变更就修复了 19 个与选择器相关的独立 bug,大大提升了 JSDOM 处理复杂 CSS 选择器的能力。对于前端开发者而言,这意味着在测试环境中使用 JSDOM 时,可以更准确地模拟浏览器对 CSS 选择器的处理行为。
事件系统全面增强
27.0.0-beta.0 版本对事件系统进行了重大扩展,新增了多个事件构造函数的实现。JSDOM 团队改变了以往的策略——过去只有当实现了相关规范时才提供对应的事件构造函数。现在,即使没有完整实现相关规范,也提供了这些常用的事件构造函数,包括:
- BeforeUnloadEvent
- BlobEvent
- DeviceMotionEvent(不含 requestPermission())
- DeviceOrientationEvent(不含 requestPermission())
- PointerEvent
- PromiseRejectionEvent
- TransitionEvent
这一变化将极大方便开发者在不完整浏览器环境中测试这些事件相关的代码逻辑。
其他重要改进
除了上述两项主要变更外,本次 beta 版本还包含以下值得关注的改进:
- 为 MouseEvent 添加了 movementX 和 movementY 属性(来自 Pointer Lock 规范)
- 将 element.click() 触发的事件类型从 MouseEvent 改为 PointerEvent
- 调整了部分事件的默认行为,使其默认变为 passive
- 修正了 document.createEvent() 方法,使其接受更准确的事件名称集合
这些改进使得 JSDOM 在事件处理方面更加贴近真实浏览器的行为,为前端测试提供了更可靠的环境。
测试建议与注意事项
作为 beta 版本,JSDOM 团队特别呼吁开发者协助测试以下方面:
- 新 CSS 选择器引擎在实际项目中的性能表现
- 新增事件构造函数是否会影响现有的功能检测逻辑
- 事件系统变更是否会导致任何兼容性问题
开发者在使用过程中如发现问题,应及时向项目团队反馈,以便在正式版发布前进行调整和完善。
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