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 环境中模拟浏览器 DOM 环境的 JavaScript 实现,它让开发者能够在服务器端运行和测试原本依赖浏览器环境的代码。最新发布的 27.0.0-beta.0 版本带来了两项重要改进:CSS 选择器引擎的更换和事件系统的功能增强。
CSS 选择器引擎的重大升级
本次版本最核心的变化是将 CSS 选择器引擎从 nwsapi 替换为 @asamuzakjp/dom-selector。这并非首次尝试,在 23.2.0 版本中就曾进行过类似变更,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,新版选择器引擎的性能已显著提升,在真实场景测试中仅比旧引擎慢 10%(之前为 50%)。
新引擎带来的不仅仅是性能改进,更重要的是解决了 19 个与选择器相关的独立 bug,大幅提升了选择器功能的准确性和兼容性。对于依赖复杂 CSS 选择器的应用来说,这意味着更稳定可靠的 DOM 查询能力。
事件系统的功能扩展
另一个重要改进是新增了多个事件构造函数的支持。以往 JSDOM 团队遵循"只实现完整规范"的原则,对于某些事件类型(如 BeforeUnloadEvent、BlobEvent 等)由于相关规范未完全实现而暂不提供。但考虑到开发者社区的实际需求,本次版本放宽了这一限制,新增了以下事件构造函数的支持:
- BeforeUnloadEvent
- BlobEvent
- DeviceMotionEvent(省略了 requestPermission() 方法)
- DeviceOrientationEvent(省略了 requestPermission() 方法)
- PointerEvent
- PromiseRejectionEvent
- TransitionEvent
这些新增的事件类型将帮助开发者更全面地模拟浏览器环境中的各种交互场景。
其他值得关注的改进
除了上述两项主要变更外,本次版本还包含以下优化:
- 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,使其默认为 passive 模式
- 修正了 document.createEvent() 方法,使其接受更准确的事件名称集合
这些改进共同提升了 JSDOM 在事件处理方面的准确性和完整性。
测试建议与反馈渠道
作为 beta 版本,开发团队特别邀请社区参与测试,重点关注:
- 新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
任何问题或建议都可以通过项目的问题追踪系统反馈给开发团队。在正式版发布前收集足够多的实际使用反馈,将有助于确保 27.0.0 版本的稳定性和可靠性。
对于依赖 JSDOM 进行测试或开发的团队来说,现在正是评估这些变更对现有项目影响的最佳时机。特别是那些使用了复杂 CSS 选择器或依赖特定事件类型的项目,建议尽早进行兼容性测试。
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