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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07