WireMock 3.11.0版本发布:XML处理增强与性能优化
WireMock是一个流行的HTTP模拟服务工具,主要用于测试场景中模拟HTTP API的行为。它能够帮助开发者在不需要依赖真实后端服务的情况下进行前端开发和测试。WireMock支持请求匹配、响应生成、请求验证等功能,广泛应用于单元测试、集成测试和端到端测试中。
核心功能改进
XML处理能力增强
本次3.11.0版本在XML处理方面有两项重要改进:
-
EqualToXmlPattern默认支持命名空间
现在EqualToXmlPattern在默认情况下会考虑XML命名空间,这解决了之前版本中可能出现的命名空间不匹配问题。对于需要处理带有命名空间的XML文档的场景,这一改进显著提升了匹配的准确性。 -
FormatXmlHelper使用系统默认TransformerFactory
修复了FormatXmlHelper中TransformerFactory的使用问题,现在它会始终使用系统默认的TransformerFactory实现。这一变更确保了XML转换行为在不同环境中的一致性,避免了因TransformerFactory实现差异导致的问题。
文件上传功能增强
Multipart请求部分现在支持文件名能力。这意味着开发者可以更精确地模拟包含文件上传的表单提交场景,为测试文件上传功能提供了更好的支持。
性能优化
本次版本包含了对EqualToXmlPattern的性能优化。通过改进实现方式,XML匹配操作的执行效率得到了提升,这对于需要处理大量XML请求的测试场景尤为重要。
问题修复
-
HTTP客户端协议更新问题
针对httpclient 5.4版本中可能出现的协议更新问题,WireMock现在会禁用这些有问题的协议更新,确保HTTP客户端的稳定运行。 -
高级路径模式序列化问题
修复了嵌套AdvancedPathPattern在使用@JsonUnwrapped注解时的序列化问题,确保了复杂路径模式的正确序列化和反序列化。 -
HTTP服务器工厂扩展查找
当找不到合适的HttpServerFactory扩展时,现在会抛出更具描述性的异常,帮助开发者更快地定位和解决问题。
依赖项更新
WireMock 3.11.0版本更新了多项依赖库:
- Jetty 12版本升级至12.0.16
- json-schema-validator从1.5.4升级至1.5.5
- Mockito核心库从5.14.2升级至5.15.2
- JUnit Jupiter从5.11.3升级至5.11.4
- Guava从33.3.1-jre升级至33.4.0-jre
- Scala库从2.13.15升级至2.13.16
这些依赖项的更新带来了性能改进、bug修复和新功能支持,同时也确保了WireMock与最新生态系统组件的兼容性。
其他改进
除了上述主要变更外,本次发布还包含了一些文档修正和代码质量改进,例如修复了after-pattern.yaml文件中的拼写错误,这些细节改进有助于提升开发体验。
WireMock 3.11.0版本的这些改进和修复,使得这个强大的HTTP模拟工具在XML处理、文件上传模拟和整体性能方面都有了显著提升,为开发者提供了更稳定、更高效的测试体验。
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