JSDOM 26.0.0版本发布:Canvas升级与Web标准新特性支持
JSDOM项目简介
JSDOM是一个在Node.js环境中实现Web浏览器DOM和HTML标准的纯JavaScript实现。它允许开发者在服务器端运行和测试需要浏览器环境的JavaScript代码,是现代前端工程化测试、爬虫开发和服务端渲染等场景中的重要工具。JSDOM通过提供浏览器环境功能,实现了window、document等浏览器API,使得开发者无需真实浏览器即可执行DOM操作。
版本26.0.0主要更新内容
1. Canvas依赖重大升级
本次版本最显著的变更是将canvas的peer dependency从v2升级到了v3。这是一个破坏性变更,意味着使用JSDOM 26.0.0的项目必须同时升级其canvas依赖到v3版本。
Canvas库是JSDOM中实现HTML5 Canvas API的核心依赖,v3版本带来了性能改进和更好的Node.js版本兼容性。开发者需要注意:
- 如果项目直接或间接依赖canvas@2.x,需要先升级到canvas@3.x
- 检查项目中是否有代码依赖于canvas v2特有的API或行为
- 测试canvas相关功能是否在升级后正常工作
2. 新增AbortSignal.any()支持
JSDOM 26.0.0实现了最新的Web标准AbortSignal.any()方法。这个方法允许开发者组合多个AbortSignal,创建一个新的信号,当任何一个源信号被中止时,这个组合信号也会被中止。
典型使用场景:
const controller1 = new AbortController();
const controller2 = new AbortController();
const combinedSignal = AbortSignal.any([controller1.signal, controller2.signal]);
fetch(url, { signal: combinedSignal });
这样,无论是controller1还是controller2调用abort(),都会中止fetch请求。
3. 表单关联自定义元素初步支持
JSDOM开始支持Web Components中与表单相关的功能,特别是使自定义元素可标记(labelable)和支持ElementInternals的labels属性。这一更新为开发者提供了:
- 让自定义元素能够像原生表单控件一样被
- 通过ElementInternals API访问元素的labels集合
- 为未来完全支持表单关联自定义元素奠定了基础
需要注意的是,当前版本尚未支持表单关联回调方法,如formAssociatedCallback()等。
4. 底层依赖更新与功能增强
JSDOM 26.0.0更新了多个核心依赖,带来了诸多改进:
- whatwg-url增加了URL.parse()支持,提供了更灵活的URL解析能力
- cssstyle和rrweb-cssom更新提升了CSS解析的准确性和兼容性
- nwsapi改进增强了CSS选择器匹配能力
- parse5修复了关于
这些底层改进使得JSDOM在解析和处理HTML、CSS时更加符合浏览器行为。
5. JSDOM.fromURL()错误处理修复
修复了JSDOM.fromURL()方法在服务器重定向到无效URL时的行为。现在当发生这种情况时,方法会正确地拒绝返回的Promise,而不是抛出未捕获的异常。这使得错误处理更加符合Promise的最佳实践,开发者可以更可靠地捕获和处理这类错误。
升级建议
对于计划升级到JSDOM 26.0.0的开发者,建议采取以下步骤:
- 首先检查并升级canvas依赖到v3版本
- 测试项目中是否使用了被修改的API,特别是fromURL()的错误处理逻辑
- 验证自定义元素与表单相关的功能是否受影响
- 全面运行测试套件,确保CSS选择器和URL处理等功能的兼容性
JSDOM 26.0.0的这些更新不仅带来了新特性和改进,也使其更加贴近最新的Web标准,为开发者提供了更强大、更可靠的浏览器环境功能支持。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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