Web Platform Tests项目中的:visited颜色计算样式改进
Web Platform Tests(WPT)是一个用于测试Web平台功能的开源项目,它为浏览器厂商和Web开发者提供了一个共享的测试套件,确保Web标准在不同浏览器中的一致实现。最近,该项目合并了一个关于CSS :visited伪类的重要改进,这将影响浏览器如何处理已访问链接的颜色计算。
背景与问题
在Web开发中,:visited伪类用于设置用户已访问过的链接样式。出于安全考虑,浏览器长期以来对:visited链接的样式获取进行了特殊处理。为了防止恶意网站通过JavaScript探测用户的浏览历史,浏览器会限制获取已访问链接的真实计算样式。
具体来说,当开发者调用getComputedStyle()方法获取已访问链接的样式时,浏览器会返回未访问状态下的样式值,而不是实际显示给用户的:visited样式。这种保护机制虽然保障了用户隐私,但也给开发者带来了一些困扰,因为他们无法通过标准API获取链接的真实显示样式。
技术改进
Chromium团队最近实现了一个重要的改变:现在getComputedStyle()可以直接返回:visited链接的实际颜色值。这一改进基于以下技术背景:
-
历史分区技术:现代浏览器已经实现了历史记录的隔离分区,这意味着不同网站的访问历史被严格隔离,:visited状态不再具有跨站点的敏感性。
-
样式计算简化:原先浏览器需要维护两套样式计算系统——一套用于普通状态,一套用于:visited状态。随着安全模型的改进,这种双重计算机制变得不再必要。
-
渐进式改进:该功能目前默认关闭,作为过渡措施,确保不会影响现有Web应用的兼容性。开发者可以通过实验性标志启用这一行为。
实现细节
在技术实现层面,这一改变涉及以下关键点:
- 移除对两种"替代现实"(普通状态和:visited状态)的颜色跟踪代码
- 将:visited颜色直接应用到ComputedStyle中
- 保持向后兼容性,通过标志控制新行为
- 为未来完全移除旧有机制做准备
对开发者的影响
这一改进将给Web开发者带来以下好处:
-
更直观的调试体验:开发者现在可以通过标准API直接获取链接的实际显示颜色,简化了调试过程。
-
更一致的API行为:getComputedStyle()的行为与其他样式获取方式更加一致,减少了特殊情况的处理。
-
未来兼容性:虽然目前该功能默认关闭,但开发者可以提前适应这一变化,为未来的浏览器更新做好准备。
展望
随着这一改进在稳定版中经过充分测试,Chromium团队计划逐步移除维护单独:visited颜色的代码。这将简化浏览器的样式计算逻辑,提高性能,同时保持用户隐私不受影响。
这一变化也反映了Web平台安全模型的成熟——通过分区隔离等底层安全机制,可以在不牺牲用户隐私的前提下,为开发者提供更强大、更一致的功能API。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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