WXT项目中实现浏览器扩展图标点击打开新标签页
在开发浏览器扩展时,我们经常需要自定义扩展图标(浏览器工具栏中的按钮)的点击行为。WXT作为一个现代化的浏览器扩展开发框架,提供了简洁的方式来实现这一功能。
背景介绍
默认情况下,WXT框架会为扩展生成一个popup页面,当用户点击扩展图标时会显示这个弹出窗口。但有时开发者希望点击图标时执行其他操作,比如打开一个新标签页而不是显示popup。
实现步骤
1. 移除默认popup行为
首先需要移除WXT默认的popup行为,可以通过以下两种方式之一实现:
- 删除项目中的popup目录
- 将popup目录重命名为其他名称
2. 配置manifest
在wxt.config.ts配置文件中,需要显式声明action字段,即使它是一个空对象:
import { defineConfig } from "wxt";
export default defineConfig({
manifest: {
action: {},
},
});
这一步至关重要,因为浏览器扩展API要求manifest中必须声明action字段才能使用chrome.action或browser.action相关API。
3. 添加必要的权限
如果需要使用tabs API来创建新标签页,需要在manifest中声明tabs权限:
manifest: {
permissions: ["tabs"],
action: {},
}
4. 编写背景脚本
在background.ts中,使用defineBackground包装你的代码,并添加点击事件监听器:
export default defineBackground(() => {
browser.action.onClicked.addListener(async () => {
await browser.tabs.create({ url: "/sync.html" });
});
});
技术原理
-
manifest声明:浏览器扩展需要明确声明action字段才能使用相关API,这是浏览器安全机制的一部分。
-
事件监听:browser.action.onClicked.addListener方法允许我们监听扩展图标的点击事件。
-
标签页创建:使用browser.tabs.create方法可以创建新标签页,参数中的url可以是扩展内部的HTML文件路径。
注意事项
-
确保sync.html或其他自定义页面已经存在于项目中。
-
如果扩展同时需要popup和其他功能,可以考虑保留popup目录,但在点击事件中执行自定义逻辑。
-
在生产环境中,应该添加适当的错误处理逻辑,确保扩展在各种情况下都能正常工作。
通过以上步骤,开发者可以灵活地自定义浏览器扩展图标的行为,满足各种复杂的业务需求。WXT框架的这一设计既保持了灵活性,又提供了简洁的API,大大简化了浏览器扩展的开发流程。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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