ys/GenericAgent
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
117028b5d93b4dfba0342786302769bc2d772cd8
GenericAgent/memory/tmwebdriver_sop.md

13 KiB
Raw Blame History

TMWebDriver SOP

  • 禁止import，直接用web_scan/web_execute_js工具。本文件只记录特性和坑。
  • 底层：../TMWebDriver.py通过Tampermonkey脚本接管用户浏览器（保留登录态/Cookie）
  • 非Selenium/Playwright，不需调试浏览器或新数据目录
  • 支撑 web_scan(只读DOM) / web_execute_js(执行JS) 等高层工具

通用特性

  • ✅web_execute_js完美支持顶层await（v0.4+），可直接await fetch()/await new Promise()等
    • ⚠使用await时需**显式return**才能拿到返回值（底层async包裹，不写return则返回null）

限制(isTrusted)

  • JS dispatch的事件isTrusted=false，敏感操作(文件上传/部分按钮)会被浏览器拦截
  • ⭐首选绕过：CDP桥——CDP派发的Input事件是浏览器原生级别(isTrusted=true)，且无需前台，见下方CDP章节
  • 文件上传：JS无法填充<input type=file>
    • ⭐首选CDP batch：getDocument→querySelector→DOM.setFileInputFiles(无需前台/物理点击)
    • 备选ljqCtrl物理点击：SetForegroundWindow→点上传按钮→FindWindow轮询对话框→输入路径→轮询关闭
  • 备选：元素→屏幕物理坐标(ljqCtrl/PostMessage点击前必算)：JS一次取rect+窗口信息，公式：
    • physX = (screenX + rect中心x) * dpr，physY = (screenY + chromeH + rect中心y) * dpr
    • chromeH = outerHeight - innerHeight，dpr = devicePixelRatio
    • 注意：screenX/Y也是CSS像素，所有值先加后统一乘dpr
  • 结论：读信息+普通操作用TMWebDriver；需isTrusted事件首选CDP桥；文件上传首选CDP三连(备选ljqCtrl)

导航

  • web_scan 仅读当前页不导航，切换网站用 web_execute_js + location.href='url'

Google图搜

  • class名混淆禁硬编码，点击结果用 [role=button] div
  • web_scan过滤边栏，弹出后用JS：文本document.body.innerText，大图遍历img按naturalWidth最大取src
  • "访问"链接：遍历a找textContent.includes('访问')的href
  • 缩略图：img[src^="data:image"]直接提取；大图src可能截断用return img.src

Chrome下载PDF

场景：PDF链接在浏览器内预览而非下载

fetch('PDF_URL').then(r=>r.blob()).then(b=>{
  const a=document.createElement('a');
  a.href=URL.createObjectURL(b);
  a.download='filename.pdf';
  a.click();
});

注意：需同源或CORS允许，跨域先导航到目标域再执行

Chrome后台标签节流

  • 后台标签中setTimeout被Chrome intensive throttling延迟到≥1min/次
  • TM脚本中detect_newtab的轮询(setTimeout 150ms × 10)会超时
  • 已修复：移除TM脚本内轮询，改由Python侧get_session_dict()前后对比检测新标签
  • 同理：TM脚本中任何后台逻辑都应避免依赖setTimeout轮询

CDP桥(tmwd_cdp_bridge扩展) ⭐首选

扩展路径：assets/tmwd_cdp_bridge/(需安装，含debugger权限) ⚠TID密钥：首次运行自动生成到assets/tmwd_cdp_bridge/config.js(已gitignore)，扩展通过manifest引用 调用：MutationObserver监听addedNodes(id=TID)，⚠每次必须remove旧→createElement新→设textContent JSON→appendChild

// TID从assets/tmwd_cdp_bridge/config.js读取
const old = document.getElementById(TID);
if (old) old.remove();
const el = document.createElement('div');
el.id = TID; el.style.display = 'none';
el.textContent = JSON.stringify({cmd:'...', ...});
document.body.appendChild(el);  // 响应写回el.textContent

单命令：{cmd:'tabs'} | {cmd:'cookies'} | {cmd:'cdp', tabId:N, method:'...', params:{...}}

  • ⭐batch混合：{cmd:'batch', commands:[{cmd:'cookies'},{cmd:'tabs'},{cmd:'cdp',...},...]}
    • 返回{ok:true, results:[...]}，一次请求多命令，CDP懒attach复用session
    • $N.path引用第N个结果字段(0-indexed)，如"nodeId":"$2.root.nodeId"
    • ⚠batch前序命令失败时后续$N引用拿到undefined，整条链路静默失败不报错，需检查返回results数组中每项的ok状态（未验证，BBS#46）
    • 典型：文件上传三连 getDocument(depth:1性能优化，200ms+→个位数ms)→querySelector(input[type=file])→setFileInputFiles（未验证，BBS#38）
    • ⚠nodeId路径一致性：getDocument+querySelector路径和performSearch+getSearchResults路径的nodeId不互通，同一batch内不可混用（未验证，BBS#45）
    • ⚠文件上传后前端框架(React/Vue)可能不感知→JS补发两个事件（Vue3需input事件而非仅change）（未验证，BBS#35/#39）： 
      el.dispatchEvent(new Event('input', {bubbles:true}));
el.dispatchEvent(new Event('change', {bubbles:true}));
      • Electron<12/旧WebView可能无InputEvent构造函数，防御性降级（未验证，BBS#42）： const Ctor = typeof InputEvent !== 'undefined' ? InputEvent : Event; el.dispatchEvent(new Ctor('input', {bubbles:true}));
      • 极端情况(框架仍不响应)：Runtime.evaluate直接访问React __reactFiber 或 Vue __vue__ 触发状态更新（未验证，BBS#43）
    • ⚠上传前检查input.accept属性：setFileInputFiles不校验类型，但前端框架change handler会检查，不匹配会静默丢弃（未验证，BBS#38）
    • ⚠多file input定位：DOM.querySelectorAll返回nodeId数组，用accept/父容器类名区分用途（未验证，BBS#38/#39）
      • 框架选择器：Element UI .el-upload__input | Ant Design .ant-upload input[type=file] | Naive UI .n-upload-trigger input[type=file] | Dropzone .dz-hidden-input（未验证，BBS#39）
    • ⚠Dropzone拖拽上传：90%底层仍创建隐藏<input type=file>，先querySelectorAll('input[type=file]')全局扫（未验证，BBS#35/#38）
    • ⭐轻量元素存在检测：DOM.performSearch({query:'input[type=file]'})返回resultCount，不触发DOM树构建，轮询等待元素时避免重复getDocument（未验证，BBS#39）
      • performSearch支持三种语法：CSS选择器 / XPath(//input[@type='file']) / 纯文本，自动识别（未验证，BBS#41）
    • ⭐瞬态file input处理（Ant Design等框架点击上传按钮时动态创建input，上传完立即销毁）（未验证，BBS#42/#43）：
      • 方案A(批处理)：在同一batch内完成 performSearch→getSearchResults→setFileInputFiles→discardSearchResults，缩小input被销毁的时间窗口，discardSearchResults防searchId泄漏（未验证，BBS#46）
      • 方案B(事件监听)：DOM.enable后监听DOM.childNodeInserted事件捕获input创建瞬间，零延迟拿到nodeId
        • 前提：须先对document.body的nodeId调DOM.requestChildNodes，否则CDP不推送子树变更
        • ⚠DOM.disable会使所有已获取nodeId失效，setFileInputFiles必须在disable之前。正确时序：DOM.enable→requestChildNodes→[等事件]→setFileInputFiles→DOM.disable（未验证，BBS#45）
      • 方案C(猴子补丁兜底)：Runtime.evaluate注入MutationObserver标记新增file input，阻止框架销毁争取时间窗口
        • ⚠React/Vue用parentNode.removeChild(node)而非node.remove()，需patch Element.prototype.removeChild过滤input[type=file]（未验证，BBS#45）
        • ⚠Svelte等框架可能用replaceChild或textContent=''清空父容器间接移除，绕过removeChild补丁，极端场景性价比低建议回退方案B（未验证，BBS#46）
        • ⚠阻止销毁会内存泄漏，用完后手动清理被标记的节点（未验证，BBS#45）
        • FileList只读，最终仍需CDP setFileInputFiles
    • ⚠tabId：CDP默认sender.tab.id(当前注入页)，跨tab需显式tabId或先batch内tabs查
  • CDP可用任意方法(Input/Network/DOM/Page/Runtime/Emulation等)，单条每次attach→send→detach
  • ⭐跨tab无需前台：指定tabId即可操作后台标签页
  • ⭐绕过isTrusted：CDP派发的Input事件是浏览器原生级别

CDP点击完整生命周期（未验证，BBS#23）

  • 通用点击需三事件序列：mouseMoved → mousePressed → mouseReleased（间隔50-100ms）
    • 省略mouseMoved会导致MUI Tooltip/Ant Design Dropdown等hover依赖组件失效
    • ⚠autofill释放是特例，只需mousePressed即可（见下方autofill章节）
  • 坐标修正（页面有transform:scale/zoom时）： 
    var scale = window.visualViewport ? window.visualViewport.scale : 1;
var zoom = parseFloat(getComputedStyle(document.documentElement).zoom) || 1;
var realX = x * zoom; var realY = y * zoom;
  • iframe内元素CDP点击：坐标需合成 finalX = iframeRect.x + elRect.x
    • 跨域iframe拿不到contentDocument：用CDP Target.getTargets找iframe targetId → Target.attachToTarget建独立会话

CDP文本输入（未验证，BBS#23）

  • Input.insertText({text:'...'}) — 直接插入，快，不触发keydown/keyup
  • Input.dispatchKeyEvent — 逐键派发，慢但完整模拟
  • React/Vue受控组件：先insertText，再JS手动dispatch input事件（input事件不检查isTrusted）
  • 简单输入框用insertText够用

CDP DOM域穿透 closed Shadow DOM（未验证，BBS#24/#25）

  • DOM.getDocument({depth:-1, pierce:true}) 穿透所有Shadow边界（含closed）
  • DOM.querySelector({nodeId, selector}) 定位 → DOM.getBoxModel({nodeId}) 取坐标
  • getBoxModel返回content八值[x1,y1,...x4,y4]，中心用四点平均：centerX=sum(x)/4, centerY=sum(y)/4
    • ⚠不能简化为对角线平均——元素有transform:rotate/skew时四点非矩形
  • querySelector不能跨Shadow边界写组合选择器，需分步：先找host再在其shadow内找子元素
  • ⚠nodeId在DOM变更后失效 → 用backendNodeId更稳定，或重新getDocument刷新
  • 渲染检查：DOM.resolveNode → Runtime.callFunctionOn 检查offsetHeight>0
  • 完整pipeline: getDocument(pierce) → querySelector → getBoxModel → 四点平均坐标 → Input三事件点击

autofill获取与登录 (需 v0.4+ 脚本支持 await)

检测：web_scan输出input带data-autofilled="true"，value显示为受保护提示(非真实值，Chrome安全保护需点击释放)

  • ⚠前置条件：必须先CDP Page.bringToFront 切tab到前台，Chrome仅在前台tab释放autofill保护值，后台tab物理点击无效
  • ⭐一键释放与登录：利用顶层 await，在单次 web_execute_js 中连贯完成：
    1. CDP batch发送 Page.bringToFront 切到前台。
    2. JS获取输入框坐标。
    3. CDP发送 Input.dispatchMouseEvent (mousePressed) 物理点击释放autofill。
    4. await new Promise(r => setTimeout(r, 500)) 等待释放。
    5. 派发 input/change 事件唤醒前端框架（解禁登录按钮）。
    6. 触发登录点击。
  • ⚠只需 mousePressed，无需 mouseReleased。点击一个字段即释放全页。
  • ⚠使用await时需显式return返回值，否则async包裹层默认返回null。

验证码/页面视觉截图

  • ⭐首选CDP截图：Page.captureScreenshot(format:'png')→返回base64，无需前台/后台tab也行，全页高清
  • 验证码canvas/img：JS canvas.toDataURL() 直接拿base64最干净
  • 备选：window.open(location.href,'_blank') 前台开新标签→win32截图→完后close
    • GM_openInTab在web_execute_js不可用（非油猴上下文）

直接import(仅作调试使用)

  • sys.path.insert(0, GenericAgent根目录), from TMWebDriver import TMWebDriver
  • d=TMWebDriver(), d.set_session('url_pattern'), d.execute_js('code') → 返回{'data': value}(非裸值)
  • 配合simphtml：str(simphtml.optimize_html_for_tokens(html)) → 注意返回BS4 Tag需str()

跨域iframe操控(postMessage中继)

  • 跨域iframe的contentDocument不可访问，web_execute_js只在顶层执行
  • TM脚本已改造：iframe内不return，改为监听postMessage并eval执行+回传结果
  • 顶层发送：iframe.contentWindow.postMessage({type:'ljq_exec', id, code}, '*')
  • iframe回传：{type:'ljq_result', id, result} 通过window.addEventListener('message')接收
  • ⚠只能eval表达式，不支持return/函数体包装，构造代码时注意
  • 流程：发postMessage→等→读window._ljqResults[id]获取结果
  • 已验证：读取iframe内DOM(document.title)、填写input均成功

连不上排查

web_scan失败时按序排查： ①TM没装？→遍历本机所有Chromium浏览器(Chrome/Edge/Brave…)用户数据目录下Extensions/，各子目录manifest.json搜"tampermonkey" 没找到→走web_setup_sop；找到→记住装在哪个浏览器 ②浏览器没开？→检查①对应的浏览器进程是否在跑(tasklist/ps)，没有则启动并打开正常URL（⚠about:blank等内部页不加载扩展） ③WS后台挂了？→socket.connect_ex(('127.0.0.1',18766))非0即dead→手动from TMWebDriver import TMWebDriver; TMWebDriver()起master

性能

  • ⚠ URL必须用127.0.0.1不用localhost。Windows下localhost先尝试IPv6(::1)超时2s再回退IPv4，每次HTTP请求多2s
Reference in New Issue View Git Blame Copy Permalink