【亲测免费】 Plasmo: 构建浏览器扩展的终极框架
一、项目介绍
Plasmo 是由技术爱好者为技术爱好者打造的一款功能丰富的浏览器扩展SDK. 它解决了构建浏览器插件时常见的配置文件复杂性和特异性的烦恼, 被誉为是浏览器插件开发领域的Next.js.
主要特性:
- 顶级React+TypeScript支持: 确保了高性能和可维护性.
- 声明式开发: 让开发者聚焦于核心逻辑而不是细节处理.
- Content Scripts UI Tab Pages: 提供多种界面选项以适应不同的使用场景.
- 实时重载+React热模块替换(Hot Module Replacement): 大幅提升开发效率.
- 环境变量文件(env files)* 和 存储API: 方便设置和管理全局状态.
- 消息传递API: 实现插件间通信.
- 远程代码捆绑: 如Google Analytics等服务的集成变得轻松.
- 多目标支持: 同一份代码可以部署到多个不同类型的浏览器(例如Chrome, Firefox).
- 自动化部署: 经过Browser Platform Publisher优化的部署流程.
- Svelte和Vue的可选支持: 满足不同开发者的需求.
系统要求:
- Node.js版本16及以上.
- MacOS, Windows或Linux操作系统(强烈推荐).
- 使用pnpm作为包管理器.
二、项目快速启动
安装依赖
首先确保你的系统中已经安装Node.js和pnpm, 接下来通过以下命令克隆并初始化plasmo项目:
# 克隆仓库
git clone https://github.com/PlasmoHQ/plasmo.git my-plasmo-project
cd my-plasmo-project
# 初始化依赖
pnpm install
创建新项目
在项目目录下运行以下命令来初始化一个新的Plasmo插件:
npx create-plasmo-app@latest my-extension
cd my-extension
pnpm dev
此时, 浏览器应该自动打开一个标签页显示你的插件UI, 你可以立即开始编辑src/index.tsx文件进行开发.
接下来的部分将涵盖更高级的应用案例、最佳实践以及Plasmo生态系统中的明星项目.
三、应用案例和最佳实践
用Plasmo实现Firebase认证
为了展示Plasmo如何与其他web平台如Firebase结合, 下面演示了使用Firebase进行身份验证的基本步骤.
步骤1: 添加Firebase
在你的Plasmo项目中添加Firebase, 首先你需要在Firebase控制台中创建一个新项目.
步骤2: 集成Firebase SDK
修改src/background/index.ts, 引入Firebase SDK:
import * as firebase from "firebase/app";
// Import specific Firebase modules if needed
import "firebase/auth";
const firebaseConfig = {
// ... Your Firebase config goes here ...
};
firebase.initializeApp(firebaseConfig);
然后, 利用firebase.auth()模块进行登录操作.
最佳实践: 使用Redux进行状态管理
当插件需要复杂的跨组件状态管理时, Redux是个不错的选择. 在Plasmo项目中集成Redux的过程与普通前端项目类似, 只是在引入Redux之后还要考虑将其与Plasmo的生命周期相协调.
步骤1: 安装Redux及相关库
pnpm add redux @reduxjs/toolkit react-redux
步骤2: 创建store及reducer
在适当位置创建并导出store:
import { configureStore } from '@reduxjs/toolkit';
import myReducer from './myReducer';
export default configureStore({
reducer: {
main: myReducer,
},
});
最后, 不忘在主要入口文件中连接Redux store与React组件:
import { Provider } from 'react-redux';
import store from './store';
import App from './App';
function Root() {
return (
<Provider store={store}>
<App />
</Provider>
);
}
四、典型生态项目
Plasmo社区拥有活跃且多元化的插件生态系统. 这里列出了一些基于Plasmo打造的知名插件, 从这些优秀作品中汲取灵感对于初学者十分有益.
以下是几个值得一试的Plasmo插件示例:
- Plasmo Storage: 展示了如何使用Plasmo的Storage API来保存和读取数据.
- Plasmo UI Kit: 包含一系列用于快速搭建美观的用户界面的组件.
- Plasmo Proxy: 一个代理服务器的实现, 使插件能够透明地拦截和修改网络请求.
以上就是关于Plasmo的简介和快速上手指南. 我们期待你在Plasmo的世界里创造出更多创新的浏览器插件! 如果有任何疑问或者遇到难题, Plasmo社区随时欢迎你的加入.
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。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00