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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00