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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00