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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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