Violentmonkey脚本中加载Google字体的正确方法
2025-06-02 08:33:14作者:范垣楠Rhoda
在使用Violentmonkey脚本管理器时,开发者经常需要为网页添加自定义字体样式。Google Fonts作为流行的网络字体服务,是许多开发者的首选。然而,直接通过修改DOM的方式引入Google字体可能会遇到内容安全策略(CSP)的限制。
常见错误做法
许多开发者会尝试通过直接操作DOM的innerHTML属性来添加字体链接,例如:
document.head.innerHTML += `
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link href="https://fonts.googleapis.com/css2?family=Fira+Code&display=swap" rel="stylesheet">
`;
这种做法会导致浏览器控制台报错:"Content-Security-Policy: The page's settings blocked the loading of a resource",因为现代网页通常设置了严格的内容安全策略,禁止通过脚本动态添加外部资源。
正确解决方案
Violentmonkey提供了专门的API来解决这类问题。推荐使用GM_addElement方法来安全地添加外部资源:
// 必须在元数据中声明grant权限
// @grant GM_addElement
// 添加字体预连接
GM_addElement('link', {
rel: 'preconnect',
href: 'https://fonts.googleapis.com'
});
// 添加跨域预连接
GM_addElement('link', {
rel: 'preconnect',
href: 'https://fonts.gstatic.com',
crossorigin: true
});
// 添加字体样式表
GM_addElement('link', {
rel: 'stylesheet',
href: 'https://fonts.googleapis.com/css2?family=Fira+Code&display=swap'
});
技术原理
GM_addElement是Violentmonkey提供的专用API,它通过扩展的安全通道来添加DOM元素,能够绕过页面的内容安全策略限制。这种方法比直接操作innerHTML或createElement更可靠,因为:
- 它使用Violentmonkey的特权上下文执行,不受页面CSP限制
- 提供了更简洁的API来创建和插入元素
- 自动处理了跨域等特殊属性
最佳实践建议
- 始终在脚本元数据中声明所需的grant权限
- 对于字体资源,先建立预连接(preconnect)以提升加载性能
- 明确设置跨域属性(crossorigin)以确保资源正确加载
- 考虑使用字体显示策略(display=swap)来优化页面渲染体验
- 对于频繁使用的脚本,可以将字体缓存到本地存储中
通过遵循这些实践,开发者可以确保在Violentmonkey脚本中可靠地加载和使用Google字体,同时保持页面的性能和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146