Puppeteer核心库v24.7.0版本发布:增强网络请求与WebDriver支持
Puppeteer是一个由Google Chrome团队维护的Node.js库,它提供了一套高级API来控制Chromium或Chrome浏览器。通过Puppeteer,开发者可以自动化完成网页截图、PDF生成、表单提交、UI测试等操作,是前端自动化测试和爬虫开发的利器。
近日,Puppeteer核心库发布了v24.7.0版本,这个版本带来了几项重要改进,特别是在网络请求处理和WebDriver双向协议支持方面。让我们一起来看看这些新特性。
工作线程网络请求支持
新版本中最值得关注的改进之一是增加了对工作线程(Worker)网络请求的支持。在之前的版本中,Puppeteer主要关注主文档上下文的网络请求,而忽略了Web Worker或Service Worker等后台线程发出的请求。
这个改进意味着开发者现在可以:
- 监听和拦截Worker线程发起的网络请求
- 分析Worker中的资源加载情况
- 模拟Worker中的网络条件
- 对Worker请求进行mock或修改
这对于测试渐进式Web应用(PWA)特别有价值,因为Service Worker是PWA的核心技术之一。现在开发者可以更全面地测试应用的离线能力和资源缓存策略。
WebDriver双向协议增强
Puppeteer v24.7.0继续强化了对WebDriver双向协议(WebDriver BiDi)的支持,新增了两个重要功能:
文件选择器支持
现在通过WebDriver协议可以处理文件上传场景。开发者可以:
- 模拟文件选择对话框
- 设置要上传的文件路径
- 验证文件上传功能
- 测试包含文件输入的表单
这对于需要测试文件上传功能的Web应用非常有用,比如图片分享平台或文档管理系统。
地理位置模拟
另一个WebDriver相关的改进是增加了地理位置模拟功能。开发者现在可以:
- 设置虚拟的经纬度坐标
- 测试基于位置的服务(LBS)
- 验证地理围栏功能
- 模拟不同地区的访问
这对于地图应用、本地服务推荐等依赖地理位置的功能测试非常有帮助。
浏览器引擎更新
作为常规维护的一部分,这个版本还更新了内置的浏览器引擎版本:
- Chrome更新至135.0.7049.95
- Firefox更新至137.0.2
这些更新带来了最新的浏览器安全补丁和稳定性改进,确保自动化测试环境的安全可靠。
总结
Puppeteer核心库v24.7.0版本的发布,进一步丰富了其自动化测试能力,特别是在处理工作线程网络请求和增强WebDriver协议支持方面。这些改进使得Puppeteer能够覆盖更多现代Web应用的测试场景,为开发者提供更全面的自动化测试解决方案。
对于已经在使用Puppeteer的团队,建议评估这些新功能是否能为现有测试用例带来价值。特别是那些使用Web Worker或需要测试地理位置功能的项目,升级到这个版本可能会显著提升测试覆盖率和准确性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00