告别网页资源捕获烦恼:猫抓扩展,你的一站式效率工具
你是否曾遇到这样的困境:精心挑选的在线课程视频无法保存,想反复学习却受限于网络;发现一段精彩的直播回放,却找不到下载按钮;或是需要收集网页中的音频素材,却不知从何下手?这些问题不仅浪费你的时间,更可能让你错失重要的学习和创作机会。猫抓扩展作为一款专业的资源捕获工具,正是为解决这些痛点而生。
3分钟极速部署
-
应用商店安装
访问浏览器应用商店(Chrome、Edge或Firefox),搜索"cat-catch"并点击安装。 -
源码部署(进阶用户)
克隆项目仓库:git clone https://gitcode.com/GitHub_Trending/ca/cat-catch,开启浏览器开发者模式,加载已解压的扩展程序。 -
启用扩展
点击浏览器工具栏中的猫抓图标,完成基础设置即可开始使用。
核心功能模块化解析
1. 智能资源嗅探
场景:浏览网页时自动检测视频、音频、图片等资源。
操作:无需手动干预,扩展实时扫描页面加载的媒体文件。
效果:所有资源在弹窗中分类展示,支持按大小、类型筛选。
2. 流媒体解析
场景:处理M3U8格式的在线课程视频。
操作:在m3u8.html中粘贴视频地址,设置下载参数。
效果:自动解析分片文件并合并为完整视频,支持多线程下载。
3. 媒体控制中心
场景:调整网页视频播放速度或截取关键帧。
操作:在弹窗的"媒体控制"标签页中调节播放速率、画质。
效果:支持0.1倍到16倍速播放,一键保存视频截图。
4. 批量资源管理
场景:同时下载多个视频或音频文件。
操作:在popup.html中勾选目标资源,点击"下载所选"。
效果:资源按类型自动分类保存,支持断点续传。
用户价值可视化呈现
| 传统方法 | 猫抓扩展 |
|---|---|
| 手动查找资源链接 | 自动嗅探,无需技术背景 |
| 依赖第三方软件 | 浏览器内完成所有操作 |
| 不支持流媒体格式 | 内置M3U8/MPD解析器 |
| 单文件下载效率低 | 多线程批量下载,节省50%时间 |
技术原理简析
猫抓扩展通过content-script.js注入页面,监控网络请求并提取媒体资源URL。核心解析逻辑由catch-script/模块实现,利用hls.min.js处理流媒体协议,最终通过downloader.js完成文件合并与保存。所有数据均在本地处理,确保隐私安全。
常见问题
Q1: 扩展支持哪些浏览器?
A: 兼容Chrome 93+、Edge 93+、Firefox 91+,推荐使用最新版本以获得最佳体验。
Q2: 能否下载加密的流媒体内容?
A: 支持部分AES-128加密的M3U8文件,需在解析页面上传密钥文件。
Q3: 下载的文件保存在哪里?
A: 默认保存在浏览器下载目录,可在options.html中自定义路径。
立即体验猫抓扩展,让网页资源捕获变得高效而简单。无论是学习资料备份、媒体素材收集,还是内容创作辅助,这款资源捕获工具都能成为你的得力助手。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0107- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00

