Playwright Python v1.52.0 版本发布:增强元素断言与ARIA快照功能
Playwright 是一个强大的跨浏览器自动化测试框架,支持Chromium、Firefox和WebKit三大浏览器引擎。其Python版本提供了简洁易用的API,让开发者能够轻松实现端到端测试、网页截图、PDF生成等功能。最新发布的v1.52.0版本带来了一系列实用的新特性,特别是在元素断言和ARIA快照方面有了显著增强。
元素类名断言新方法
在自动化测试中,经常需要验证元素是否包含特定的CSS类名。v1.52.0引入了全新的to_contain_class()断言方法,使这一操作变得更加直观和便捷。
expect(page.get_by_role("listitem", name="Ship v1.52")).to_contain_class("done")
这个方法专门用于检查元素是否包含指定的类名,相比之前需要获取整个class属性再进行分析的方式,大大简化了代码逻辑。在实际测试场景中,比如验证一个任务项是否被标记为已完成状态,或者一个按钮是否处于激活状态,这个新方法都能提供更清晰的断言表达。
ARIA快照功能增强
ARIA(无障碍富互联网应用)快照是Playwright提供的一项强大功能,用于验证页面的无障碍树结构。v1.52.0版本对此功能进行了两项重要增强:
-
严格子元素匹配:新增的
/children属性允许开发者精确控制子元素的匹配方式。当设置为"equal"时,会严格验证子元素的数量和顺序。 -
链接URL验证:新增的
/url属性可以方便地验证链接的目标地址。
expect(locator).to_match_aria_snapshot("""
- list
- /children: equal
- listitem: Feature A
- listitem:
- link "Feature B":
- /url: "https://playwright.dev"
""")
这些增强使得ARIA快照断言更加精确和灵活,特别适合用于验证复杂的UI组件结构和无障碍特性。
其他重要更新
-
API请求重定向控制:新增的
max_redirects选项允许开发者控制API请求的最大重定向次数,这在测试某些API端点时非常有用。 -
ARIA快照元素引用:
aria_snapshot()方法新增了ref选项,可以为快照中的每个元素生成唯一引用,方便后续定位操作。
兼容性变更
-
Cookie处理调整:
route.continue()方法不再允许覆盖Cookie头,这是为了更贴近真实浏览器行为。开发者应使用browserContext.add_cookies()来设置自定义cookie。 -
平台支持变更:macOS 13将不再接收WebKit更新,建议用户升级到更新的macOS版本以获得最佳体验。
浏览器引擎版本
本次发布同步更新了底层浏览器引擎:
- Chromium 136.0.7103.25
- Mozilla Firefox 137.0
- WebKit 18.4
这些更新确保了Playwright能够利用各浏览器的最新特性和性能改进。
Playwright Python v1.52.0的这些改进进一步强化了其在Web自动化测试领域的地位,特别是对无障碍测试和精确元素断言的支持,使得编写可靠、易维护的测试用例变得更加简单。无论是简单的页面交互测试,还是复杂的Web应用验证,新版本都提供了更强大的工具集。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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