extension.js项目中manifest.json构建时content_scripts的CSS注入问题分析
在开发Chrome扩展程序时,manifest.json文件中的content_scripts配置是一个关键部分,它定义了扩展需要在哪些网页上注入哪些脚本和样式。最近在extension.js项目中,开发者发现了一个关于content_scripts配置在构建过程中被意外修改的问题。
问题现象
当开发者在manifest.json中配置content_scripts时,如果只指定了js字段而没有css字段,构建工具会在最终生成的manifest.json中自动添加一个css字段,并指向一个实际上并不存在的CSS文件。例如:
原始配置:
"content_scripts": [
{
"matches": ["https://google.com/search*"],
"js": ["src/content/index.ts"]
}
]
构建后生成的配置:
"content_scripts": [
{
"matches": ["https://google.com/search*"],
"js": ["content_scripts/content-0.js"],
"css": ["content_scripts/content-0.css"]
}
]
这种自动添加的行为会导致扩展提交审核时被拒绝,因为审核系统会检查这个CSS文件是否存在。
技术背景
在Chrome扩展开发中,content_scripts配置项用于指定扩展需要在特定网页注入的内容脚本和样式表。正常情况下:
js字段:指定要注入的JavaScript文件css字段:指定要注入的CSS样式表matches字段:指定这些资源应该注入到哪些URL
构建工具通常会处理这些配置,将开发时使用的源文件路径转换为构建后的输出路径。然而,extension.js的构建工具在处理时似乎假设每个content_scripts条目都同时需要JS和CSS资源,即使开发者没有明确指定CSS文件。
问题影响
这个问题会导致几个实际影响:
-
审核失败:Chrome应用商店的审核流程会检查manifest.json中声明的所有文件是否存在,自动添加的不存在的CSS文件会导致审核被拒。
-
不必要的资源加载:即使CSS文件不存在,浏览器仍会尝试加载它,可能导致轻微的性能影响和错误日志。
-
开发困惑:开发者需要手动修复构建后的manifest.json文件,增加了开发负担。
解决方案
目前项目维护者已经确认了这个问题并承诺尽快修复。在官方修复发布前,开发者可以采用以下临时解决方案:
使用jq工具处理构建后的manifest.json文件,移除所有content_scripts中的css字段:
jq '.content_scripts |= map_values(del(.css))' manifest.json > tmp.json && mv tmp.json manifest.json
最佳实践建议
为了避免类似问题,建议开发者在配置content_scripts时:
- 明确指定所有需要的资源文件,包括JS和CSS
- 在构建后检查manifest.json文件是否符合预期
- 考虑在构建流程中加入manifest.json的验证步骤
- 对于不需要CSS的情况,可以显式设置
"css": []来表明意图
这个问题提醒我们,构建工具的"智能"行为有时可能带来意想不到的副作用,特别是在处理配置文件时。作为开发者,我们需要了解工具的行为并在必要时进行干预。
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