WXT项目中实现内容脚本访问会话存储的技术方案
背景介绍
在浏览器扩展开发中,会话存储(session storage)是一个非常有用的功能,它允许开发者在浏览器会话期间临时保存数据。WXT作为一个现代化的浏览器扩展开发框架,提供了对chrome.storage.session API的封装,使开发者能够更方便地使用会话存储功能。
问题描述
默认情况下,chrome.storage.session API不允许内容脚本直接访问会话存储。这是出于安全考虑的设计,因为内容脚本运行在网页上下文中,可能面临不可信环境。然而,在某些业务场景下,开发者确实需要让内容脚本能够访问会话存储数据。
解决方案
WXT框架通过storage模块提供了对浏览器存储API的封装。要实现内容脚本访问会话存储,开发者需要先设置存储访问级别。具体实现步骤如下:
-
在后台脚本中设置访问级别:在扩展的后台脚本中,调用setAccessLevel方法将会话存储的访问级别设置为允许内容脚本访问。
-
使用WXT提供的存储API:设置完成后,内容脚本就可以像后台脚本一样使用WXT封装的存储API来读写会话存储数据。
实现细节
在WXT项目中,存储模块的设计考虑了各种使用场景。当开发者调用存储API时,WXT会自动处理底层与浏览器API的交互。对于会话存储的特殊访问控制需求,开发者可以直接使用浏览器原生API来设置访问级别,而不会影响WXT存储API的其他功能。
最佳实践
-
尽早设置访问级别:建议在扩展安装或初始化时就设置好会话存储的访问级别,避免后续使用时出现问题。
-
考虑安全性:虽然允许内容脚本访问会话存储提供了便利,但也增加了潜在的安全风险。开发者应当仔细评估是否真的需要内容脚本访问这些数据。
-
统一管理存储操作:即使内容脚本可以访问会话存储,也建议将核心的存储操作集中在后台脚本中,通过消息传递与内容脚本通信。
总结
WXT框架通过灵活的存储API设计,既保留了浏览器原生API的安全特性,又为开发者提供了便捷的扩展功能。通过合理设置访问级别,开发者可以在保证安全性的前提下,实现内容脚本对会话存储的访问需求。这种设计体现了WXT框架在安全性和便利性之间的平衡考量。
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。C026
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