JSDOM 26.0.0版本发布:Canvas升级与Web标准新特性支持
JSDOM是一个在Node.js环境中实现Web浏览器DOM标准的库,它允许开发者在服务器端运行和测试需要DOM环境的JavaScript代码。最新发布的26.0.0版本带来了一些重要的更新和改进,特别是在Canvas支持和Web标准新特性方面。
Canvas依赖升级至v3
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的项目需要相应更新其Canvas依赖。Canvas库提供了Node.js中的Canvas API实现,这一升级将为开发者带来更好的性能和更完整的API支持。
对于现有项目,升级时需要注意检查与Canvas相关的代码是否兼容v3版本。虽然大多数基础API保持不变,但v3版本引入了一些改进和可能的细微行为变化。
新增AbortSignal.any()方法
26.0.0版本添加了对AbortSignal.any()方法的支持。这个方法是现代JavaScript中AbortController API的一部分,它允许开发者组合多个中止信号,创建一个新的信号,当任何一个输入信号被中止时,这个新信号也会被中止。
这在处理多个可能被取消的异步操作时特别有用。例如,当同时发起多个网络请求并需要统一管理它们的取消逻辑时,AbortSignal.any()可以大大简化代码。
表单关联自定义元素初步支持
JSDOM现在提供了对表单关联自定义元素(form-associated custom elements)的初步支持,特别是使它们可标记(labelable)并支持ElementInternals的labels属性。表单关联自定义元素是Web Components技术的一部分,允许自定义元素像原生表单控件一样参与表单提交和验证。
虽然当前版本尚未支持完整的表单关联回调,但这一更新已经为开发者提供了构建更复杂表单组件的基础。ElementInternals的labels属性特别有用,它可以让自定义元素像原生表单控件一样与<label>元素关联。
底层依赖更新与改进
JSDOM 26.0.0版本还更新了多个关键依赖:
whatwg-url更新增加了URL.parse()支持,提供了更灵活的URL处理能力。cssstyle和rrweb-cssom的更新改进了CSS解析能力,使JSDOM能更准确地处理复杂样式。nwsapi的更新提升了CSS选择器匹配的准确性和性能。parse5的更新修复了<noframes>元素处理和HTML实体解码的相关问题。
这些底层改进虽然不直接暴露为API变化,但显著提升了JSDOM的稳定性和标准兼容性。
JSDOM.fromURL()改进
修复了JSDOM.fromURL()方法的一个重要问题:现在当服务器重定向到无效URL时,该方法会正确地拒绝返回的Promise,而不是导致未捕获的异常。这使得错误处理更加可靠和符合预期。
升级建议
对于现有项目,升级到26.0.0版本时需要注意以下几点:
- 确保Canvas依赖已更新至v3版本
- 检查是否使用了任何可能受底层依赖更新影响的特性
- 考虑利用新的
AbortSignal.any()方法简化异步操作管理 - 如果使用自定义元素,可以开始探索表单关联特性的使用
总体而言,JSDOM 26.0.0版本在保持稳定性的同时,带来了多项有价值的改进和新特性,特别是对现代Web标准的支持更加完善。这些更新使得JSDOM在模拟浏览器环境方面更加准确和强大,为服务器端DOM操作和测试提供了更好的基础。
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