Chrome 114 正式发布,支持 CHIPS
自 Chrome 113 发布以来,已经过了四个星期,Google 近日也准时发布了 Chrome 114。Chrome 114 默认启用了 CHIPS,这是 Google 通过新的 cookie 属性来淘汰第三方 Cookie 的一部分;Chrome 114 还默认启用了 Popover API,以便更轻松地实现弹框。
text-wrap:balance
使用text-wrap-balance
来改善文本布局。下面的动画显示了你可以通过这一行代码来实现的差异。
作为一个开发者,你不知道文本的最终尺寸、字体大小,甚至文本语言。所有的变量都是有效处理文本包装的需要。由于浏览器确实知道所有的因素,通过 text-wrap:balance
,你可以要求浏览器找出最佳的方案。
平衡的文本块更讨好读者的眼睛。它能更好地抓住读者的注意力,总体上更容易阅读。
CHIPS: 具有独立分区状态的 Cookies。
在之前,当用户访问站点 A 时,嵌入式站点 C 可以在用户的机器上设置 cookie。如果用户随后访问也嵌入站点 C 的站点 B,则站点 C 可以访问在站点 A 上设置的相同 cookie。这允许站点 C 跨站点 A、B 及其嵌入的每个站点编译用户的浏览活动。
虽然跨网站追踪是一个问题,但有一些有效的跨网站 cookie 需求,可以通过 cookie 分区以保护隐私的方式实现。
有了 CHIPS,当用户访问站点 A 并且站点 C 中的嵌入内容设置具有 Partitioned
属性的 Cookie 时,对于站点 C 在站点 A 上嵌入时设置的 Cookie,该 Cookie 仅保存在分区 jar 中。浏览器只会在顶级站点为 A 时发送该 cookie。
当用户访问新站点(例如站点 B)时,站点 C 将不会收到在站点 A 中嵌入 C 时设置的 Cookie。
Popover API
有了 Popover API,就可以更容易地建立临时的用户界面(UI)元素,这些元素会显示在所有其他 Web 应用的 UI 之上。
这些元素包括用户交互式元素,如行动菜单、表单元素建议、内容选择器和教学 UI。新的 popover 属性使任何元素能够自动显示在顶层。这意味着开发者不用再担心定位、堆叠元素、焦点或键盘交互的问题。
其他
- Devtools 让你在支持 DWARF 的 WebAssembly 应用程序中暂停和调试 C 和 C++ 代码
- 在
navigator.bluetooth.requestDevice()
中的exclusionFilters
选项允许 Web 开发者将一些设备从浏览器选择器中排除。
更多详情可查看:https://developer.chrome.com/en/blog/new-in-chrome-114/

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
开源企业微信 Java 开发包 wecom-sdk 发布 1.0.12、1.0.13 版本
wecom-sdk 是开源的企业微信开放 API 的 Java 实现。经过近三年的迭代,目前已经实现了企业微信通讯录管理、上下游、客户管理、微信客服、素材管理、消息推送 、企微机器人、 身份验证 、 应用管理 、OA 办公相关接口,开发人员不需要很高的学习成本就能快速优雅地接入企业微信。 仓库地址 gitee: https://gitee.com/felord/wecom-sdk github: https://github.com/NotFound403/wecom-sdk 特性 支持多企业微信同时配置作业 目前实现企业微信接口180多个,能满足大部分场景的需求 全参数封装,入参、出参高度语义化封装,再也不担心组织参数、解析参数的问题 实现统一回调,所有回调事件可集中异步处理,开发者只需要关心业务逻辑的处理 由SDK接管AccessToken生命周期,开发者无需关心Token的管理。 Maven 中央仓库坐标 <dependency> <groupId>cn.felord</groupId> <artifactId>wecom...
- 下一篇
每日一博 | 大语言模型技术原理
在今天这个时代,人们的工作和生活已经离不开数据访问,而几乎所有平台背后的数据存储和查询都离不开数据库。SQL作为一种数据库的查询和处理语言历史悠久,最早由IBM于上世纪70年代初研究关系数据模型时提出,后续发展为一种广泛使用的数据库标准访问接口。 今天大语言模型的发展给了我们一个契机,重新审视这层标准,如何让人们以更加自然的方式访问数据库,数据以更直接、更灵活的方式返回给客户。由于历史发展的原因,从数据库分析出一个结论,需要“分析人员+报表前端+数据后端+SQL+数据存储”的全路径,这一使用范式在未来将受到挑战。除了自然语言本身的优势外,语境的上下文学习能力、迁移学习和文字总结能力也有很大的发挥空间,带着这些思考,我们有必要了解一下大语言模型背后的发展及其技术原理。 一、大语言模型的发展 大语言模型作为一个被验证可行的方向,其“大”体现在训练数据集广,模型参数和层数大,计算量大,其价值体现在通用性上,并且有更好的泛化能力。相较于传统特定领域训练出来的语言模型,有更广泛的应用场景。这篇文章参考Google和OpenAI相关论文及部分作者的补充,结合我的理解尝试用大家普遍看得明白的语言,对...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7安装Docker,走上虚拟化容器引擎之路
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS7设置SWAP分区,小内存服务器的救世主
- Hadoop3单机部署,实现最简伪集群
- CentOS8安装Docker,最新的服务器搭配容器使用
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题