Tampermonkey脚本:Instagram媒体下载器实现解析
概述
本文介绍了一个基于Tampermonkey的用户脚本实现方案,该脚本能够在Instagram帖子页面自动检测并添加下载按钮,方便用户下载图片和视频内容。该方案通过DOM操作和JavaScript事件处理实现了简洁高效的功能。
核心功能实现
媒体检测机制
脚本通过以下方式检测页面中的媒体内容:
-
图片检测:使用CSS选择器
img[style*="object-fit: cover"]定位Instagram帖子中的主图元素,获取其src属性作为图片下载地址。 -
视频检测:通过
video标签选择器获取视频元素,并提取其src属性作为视频源地址。
下载功能实现
下载功能通过动态创建<a>标签并模拟点击实现:
function downloadMedia(mediaUrl, type) {
let link = document.createElement('a');
link.href = mediaUrl;
link.download = type === 'video' ? 'instagram_video.mp4' : 'instagram_image.jpg';
document.body.appendChild(link);
link.click();
document.body.removeChild(link);
}
这种方法无需额外权限,直接利用浏览器原生下载功能,兼容性好且实现简单。
用户界面设计
脚本创建了美观的浮动按钮,具有以下特点:
-
视觉设计:
- 圆角矩形按钮(25px)
- 蓝色渐变背景(#1DA1F2)
- 白色文字
- 轻微阴影效果
- 悬停状态颜色变化
-
布局设计:
- 固定定位(fixed)
- 右下角位置(20px)
- 视频按钮与图片按钮垂直排列
- 高z-index确保可见性
技术细节分析
延迟加载机制
脚本使用setTimeout延迟3秒执行,确保页面完全加载后再尝试获取媒体元素:
setTimeout(() => {
// 检测和添加按钮的代码
}, 3000);
防重复添加
通过检查按钮ID是否存在来避免重复创建按钮:
if (!document.getElementById('download-img-btn')) {
// 创建图片下载按钮
}
事件处理
为按钮添加了完整的交互体验:
- 点击事件触发下载
- 鼠标悬停/离开时的颜色变化效果
- CSS过渡动画(0.3s)
安全与合规考量
-
权限最小化:脚本声明
@grant none,不使用任何特殊API,仅依赖标准DOM操作。 -
用户明确操作:只有用户主动点击按钮才会触发下载,符合用户预期。
-
内容类型区分:自动识别并正确处理图片和视频两种媒体类型。
扩展建议
-
多图支持:可以扩展支持Instagram的多图帖子,添加图片切换功能。
-
下载质量选择:解析不同分辨率的媒体源,让用户选择下载质量。
-
进度提示:对于大文件下载,可以添加进度提示。
-
快捷键支持:添加键盘快捷键触发下载功能。
总结
这个Tampermonkey脚本展示了如何通过简洁的客户端JavaScript代码增强现有网站功能。它巧妙地利用了DOM查询和浏览器原生下载机制,在不影响页面原有功能的前提下,为用户提供了便捷的媒体下载功能。实现上注重用户体验细节,如按钮设计和交互反馈,是学习浏览器扩展开发的好范例。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00