Selenide v7.7.0 发布:新增 Moon 浏览器支持与滚动控制功能
项目简介
Selenide 是一个基于 Selenium WebDriver 的轻量级测试框架,它通过简洁的 API 设计显著简化了 Web 自动化测试的编写过程。Selenide 提供了自动等待机制、简洁的选择器语法和丰富的断言方法,让测试代码更加易读易写。最新发布的 v7.7.0 版本带来了一些值得关注的新特性和改进。
核心新特性
1. Moon 浏览器自动化解决方案支持
v7.7.0 版本新增了对 Moon 浏览器自动化解决方案的原生支持。Moon 是一个基于 Kubernetes 的浏览器自动化平台,特别适合云原生环境中的大规模测试场景。通过这项集成,开发者现在可以直接在 Selenide 测试中配置和使用 Moon 作为远程浏览器环境,无需额外的适配代码。
2. 增强的滚动控制功能
新版本引入了 $.scroll() 方法,提供了更精细的页面滚动控制能力。与之前版本相比,这个新方法允许开发者指定滚动方向和距离,使得测试脚本能够更精确地模拟用户滚动行为。例如:
$("#element").scroll(Direction.DOWN, 200); // 向下滚动200像素
$("#element").scroll(Direction.UP, 100); // 向上滚动100像素
3. 调试日志增强
为了帮助开发者更好地诊断测试问题,v7.7.0 增加了对监听器添加和移除操作的详细调试日志。当测试出现意外行为时,这些日志可以帮助开发者快速定位是否是监听器相关的问题。
底层优化与安全更新
1. BrowserUpProxy 依赖调整
新版本将 BrowserUpProxy 从测试范围调整到了运行时范围,这意味着开发者现在可以在生产代码中直接使用 BrowserUpProxy 的功能,而不仅限于测试环境。
2. MITM 证书更新
作为安全维护的一部分,v7.7.0 更新了 BrowserUpProxy 的中间人(MITM)证书。这项更新确保了在使用代理功能时的通信安全性,防止潜在的中间人攻击风险。
依赖项升级
- Netty 升级至 4.1.116.Final 版本,带来性能改进和 bug 修复
- LittleProxy 从 2.3.3 升级到 2.4.0,增强了代理功能
- Commons Text 升级至 1.13.0 版本,改进了文本处理能力
- Guava 升级到 33.4.0-jre,提供了更多实用工具类
升级建议
对于现有项目,建议在测试环境中先验证 v7.7.0 的兼容性,特别是使用了滚动操作或代理功能的测试用例。新项目可以直接采用此版本,利用其增强的滚动控制和调试能力。
对于考虑使用 Moon 作为浏览器自动化平台的团队,这是一个很好的时机开始评估 Selenide 与 Moon 的集成方案,特别是在需要大规模并行测试的场景下。
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