Web Platform Tests项目中的Pointer Events边界事件处理机制优化
Web Platform Tests(WPT)是一个用于测试Web平台功能的开源项目,它为浏览器厂商提供了一个共享的测试套件,确保不同浏览器对Web标准的实现保持一致。最近,该项目对Pointer Events(指针事件)处理机制进行了重要优化,特别是在边界事件处理方面。
背景与问题
在Web开发中,Pointer Events API提供了一种统一的方式来处理来自鼠标、触摸屏、触控笔等多种输入设备的事件。其中,边界事件(boundary events)如pointerover和pointerout在指针进入或离开元素边界时触发,这对于实现悬停效果等交互至关重要。
原实现存在一个关键问题:当通过合成鼠标移动事件(synthesized eMouseMove)改变指针位置时,系统不会自动派发相应的合成指针移动事件(synthesized ePointerMove),除非是为了在派发ePointerLostCapture事件后处理边界事件。这与最新的Pointer Events规范不符,新规范要求只要支持悬停的指针下方的元素发生变化,即使没有实际的pointermove事件,也应该触发边界事件。
解决方案
本次优化主要修改了PresShell(呈现外壳)和PointerEventHandler(指针事件处理器)的交互方式:
-
PresShell增强:现在会记录最后设置鼠标位置的输入源,并在处理合成鼠标移动事件时设置相应的输入源信息。
-
PointerId存储:PresShell还存储了最后的pointerId,并将其设置到合成的eMouseMove事件中,以满足测试需求。
-
边界事件派发逻辑:PointerEventHandler现在会根据输入源信息判断是否需要为支持悬停的指针派发边界事件。
这种实现虽然还不是最理想的方案(因为它只处理最后一个输入设备的情况),但对于当前主要支持的鼠标输入已经足够。未来可以考虑扩展PointerInfo结构来支持多指针场景。
测试调整
为了配合这些变更,相关Web平台测试也进行了调整:
-
更新了pointerevent_pointer_boundary_events_after_removing_last_over_element.html测试的预期结果,使其符合最新规范要求。
-
重构了pointerevent_pointerout_no_pointer_movement.html测试,避免因递归合成鼠标移动事件导致的超时问题。
-
移除了两组已由测试驱动程序覆盖的mochitest手动测试,这些测试在未维护状态下会导致失败。
技术影响
这项优化使得浏览器在处理以下场景时更加符合规范:
-
当元素布局变化导致指针下方的元素改变时,即使没有实际的指针移动,也会正确触发边界事件。
-
对于支持悬停的输入设备(如鼠标),系统会保持更准确的事件序列。
-
开发者可以更可靠地依赖pointerover和pointerout事件来实现复杂的交互效果。
这项改进是Web平台互操作性(Interop)工作的一部分,有助于不同浏览器在处理Pointer Events时表现一致,为开发者提供更可靠的跨浏览器体验。
对于Web开发者而言,这意味着他们可以更加自信地使用Pointer Events API来实现丰富的交互功能,而不必担心浏览器间的行为差异。同时,这也为未来支持更多输入设备(如触控笔)奠定了基础。
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