Tampermonkey中GM_cookie API的文档修正与技术解析
概述
Tampermonkey作为最流行的用户脚本管理器之一,其GM_cookie API为开发者提供了强大的浏览器cookie操作能力。近期发现该API文档存在几处需要修正的技术细节,本文将详细解析这些修正点,并深入探讨相关技术背景。
文档修正要点
1. expirationDate属性遗漏
在GM_cookie.list方法的返回对象文档中,缺少了对expirationDate属性的描述。实际上,该方法返回的cookie对象包含以下关键属性:
- name: cookie名称
- value: cookie值
- domain: 所属域名
- path: 路径
- secure: 是否仅限HTTPS
- httpOnly: 是否仅限HTTP访问
- expirationDate: cookie过期时间戳(Unix时间戳格式)
expirationDate是一个重要属性,开发者可以通过它判断cookie的有效期,进行相应的缓存或更新策略。
2. API名称拼写错误
文档示例代码中出现了"GM.cookies"的错误拼写,正确形式应为"GM.cookie"。这个单复数形式的差异虽然看似微小,但在实际开发中会导致脚本无法正常工作。
3. 方法调用参数问题
文档示例展示了直接调用GM.cookie.list()的方式,但实际上该方法需要至少传入一个空对象作为参数才能正常工作。正确的调用方式应为:
// 正确调用方式
GM.cookie.list({}) // 传入空对象
GM.cookie.list({url: 'https://example.com'}) // 带参数的调用
技术背景解析
Cookie操作的安全限制
Tampermonkey的GM_cookie API设计遵循了浏览器安全策略,这也是为什么方法调用需要显式参数的原因。浏览器扩展对cookie的访问受到严格限制,必须明确指定操作的范围。
分区Cookie处理
从示例代码可以看出,Tampermonkey支持处理分区cookie(partitioned)和非分区cookie。这是现代浏览器引入的重要安全特性,用于防止跨站追踪:
- 分区cookie:仅在特定上下文中可用
- 非分区cookie:传统cookie,在所有同源请求中发送
异步API设计
GM_cookie.list()返回Promise对象,体现了现代JavaScript的异步编程模式。开发者需要使用await或.then()来处理返回结果,这也是示例中调用不返回的原因之一。
最佳实践建议
- 始终检查API返回对象的所有属性,包括文档可能未明确列出的属性
- 使用TypeScript或JSDoc为Tampermonkey脚本添加类型提示,避免拼写错误
- 处理cookie时考虑安全性和隐私保护要求
- 对异步操作添加适当的错误处理逻辑
总结
Tampermonkey的GM_cookie API为开发者提供了强大的cookie管理能力,但需要正确理解其使用方式和限制。本文指出的文档修正点不仅有助于开发者避免常见错误,也反映了浏览器安全机制的演进趋势。随着Web平台安全特性的不断增强,用户脚本开发者也需要与时俱进,适应这些变化。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00