Violentmonkey 脚本开发中处理页面污染的原生方法问题
在用户脚本开发过程中,我们经常会遇到目标网站修改原生JavaScript方法的情况。最近在Violentmonkey用户脚本项目中,开发者遇到了一个典型问题:目标网站重写了JSON.parse方法,导致脚本无法正常使用原生JSON解析功能。
问题现象
当在特定网站(如某些漫画阅读网站)运行用户脚本时,脚本中调用的JSON.parse方法实际上执行的是被网站修改过的版本,而非浏览器原生的实现。这会导致预期外的解析错误或安全风险。
技术背景
现代网页可以自由修改全局对象和原生方法,这是JavaScript语言灵活性的体现,但也带来了潜在问题。浏览器扩展通常运行在以下几种上下文中:
- 页面上下文:与网页共享同一个JavaScript环境,能直接访问被修改后的方法
- 内容脚本上下文:部分浏览器扩展提供的隔离环境
- 扩展上下文:完全独立的安全沙箱
Violentmonkey默认将用户脚本注入到页面上下文中,以获得最大的兼容性和DOM访问能力,但这也意味着会继承网页对原生方法的修改。
解决方案
1. 使用内容脚本隔离
通过@inject-into content指令让脚本运行在隔离的内容脚本上下文中:
// ==UserScript==
// @inject-into content
// ==/UserScript==
这种方式的优点是简单直接,缺点是可能失去对某些页面特性的访问权限。
2. 早期捕获原生方法
结合@run-at document-start和同步页面模式:
// ==UserScript==
// @run-at document-start
// ==/UserScript==
const originalJSON = {...JSON}; // 在页面污染前保存副本
注意需要在Violentmonkey设置中启用"同步页面模式"。
3. 通过iframe获取干净环境
创建一个临时iframe来获取未被污染的原生方法:
const iframe = document.createElement('iframe');
document.documentElement.appendChild(iframe);
const cleanJSON = iframe.contentWindow.JSON;
iframe.remove();
更安全的方式是使用Violentmonkey提供的GM_addElement:
const iframe = GM_addElement('iframe');
const cleanJSON = iframe.contentWindow.JSON;
iframe.remove();
进阶讨论
跨浏览器兼容性
需要注意的是,iframe解决方案在Firefox中移除iframe时可能会遇到"can't access dead object"错误,这是Firefox安全模型的特点。在实际开发中需要添加适当的错误处理。
未来解决方案
ECMAScript标准中的隔离环境API将提供更优雅的隔离环境创建方式,但目前浏览器支持有限。
最佳实践建议
- 优先考虑使用内容脚本隔离方案
- 对于必须访问页面上下文的场景,采用早期捕获策略
- 谨慎使用iframe方案,特别是需要跨浏览器支持的脚本
- 始终考虑错误处理,增强脚本的健壮性
通过理解这些技术原理和解决方案,开发者可以更好地应对网页环境中的各种特殊情况,编写出更可靠的用户脚本。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00