React Testing Library 中测试 React 19 元数据标签的最佳实践
随着 React 19 的发布,元数据标签的处理方式发生了重大变化。React 19 引入了对元数据标签的原生支持,这直接影响了在测试中使用 React Testing Library 的方式。
在 React 18 及更早版本中,Next.js 的 Head 组件会将元数据标签渲染到测试环境的 DOM 中。这使得开发者可以使用常规的查询方法(如 getByTestId)来测试这些标签。然而,React 19 改变了这一行为,元数据标签现在会被直接注入到真实的 document.head 中,而不会出现在测试渲染的 DOM 结构中。
这一变化导致了许多现有测试用例的失败,特别是那些针对 favicon、社交媒体元数据(如 twitter:description)等内容的测试。开发者可能会发现,使用 screen.debug() 时,原本应该出现在 Head 中的标签现在不见了。
针对这一变化,正确的测试方法应该是直接查询 document.head 中的元素。例如,可以使用 document.querySelector('meta[name="twitter:description"]') 来验证特定的元数据标签是否存在及其内容是否正确。对于 favicon 测试,可以使用 document.querySelector('link[rel="icon"]') 来获取相应的链接元素。
值得注意的是,JSON.stringify(document.head) 可能无法正常工作,因为 HTML 元素对象不能直接序列化为 JSON。开发者应该使用 DOM 查询方法来直接检查元素属性。
对于 Next.js 应用,除了直接查询 document.head 外,还可以考虑使用 Next.js 提供的 generateMetadata 功能进行测试。这种方法允许开发者直接测试导出的元数据对象,而不需要处理 DOM 查询。
这一变化虽然需要开发者调整测试策略,但它实际上更贴近真实浏览器的行为,使得测试结果更加准确可靠。React Testing Library 团队建议开发者更新测试代码以适应这一新行为,而不是尝试绕过它。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00