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。
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