Tampermonkey脚本API中Tab操作方法的深度解析
2025-06-11 16:06:30作者:胡唯隽
前言
Tampermonkey作为最流行的用户脚本管理器之一,提供了丰富的API供开发者使用。其中关于浏览器标签页(tab)操作的方法在实际开发中非常实用,但文档中存在一些需要澄清的地方。本文将全面解析这些方法的正确使用方式。
Tab操作方法概览
Tampermonkey提供了三组主要的Tab操作方法:
GM_getTab()- 获取当前脚本运行的标签页信息GM_saveTab()- 保存标签页状态GM_getTabs()- 获取所有相关标签页信息
同步与异步API的区别
Tampermonkey API设计的一个关键特点是提供了两种调用方式:
1. 传统回调式API(使用下划线_)
这类方法采用回调函数的方式获取结果,函数本身不返回任何值(返回undefined)。例如:
// 传统回调式
GM_getTab(function(tab) {
console.log('获取到的标签页对象:', tab);
tab.newInfo = "新信息";
GM_saveTab(tab); // 同样使用回调式保存
});
2. Promise式API(使用点.)
这类方法返回Promise对象,可以使用async/await语法处理:
// Promise式
(async function() {
const tab = await GM.getTab(); // 直接返回标签页对象
console.log('获取到的标签页对象:', tab);
tab.newInfo = "新信息";
await GM.saveTab(tab); // 使用Promise式保存
})();
各方法详细说明
GM_getTab() / GM.getTab()
用于获取当前脚本运行的标签页信息。
重要特性:
- 回调式返回undefined,结果通过回调函数参数获取
- Promise式直接返回标签页对象
- 标签页对象包含脚本运行环境的特定信息
GM_saveTab() / GM.saveTab()
用于保存标签页状态。
使用注意:
- 必须先获取标签页对象才能保存
- 修改标签页对象后需要显式调用保存
- 同样区分回调式和Promise式
GM_getTabs() / GM.getTabs()
获取与当前脚本相关的所有标签页信息。
返回值说明:
- 返回一个对象,键为标签页ID,值为标签页对象
- 回调式通过回调函数参数获取
- Promise式直接返回该对象
最佳实践建议
-
一致性原则:在同一个脚本中尽量统一使用一种风格(回调式或Promise式)
-
错误处理:Promise式可以方便地使用try-catch处理错误
try {
const tabs = await GM.getTabs();
// 处理tabs
} catch (error) {
console.error('获取标签页失败:', error);
}
-
性能考虑:频繁操作标签页时,建议缓存标签页对象
-
兼容性考虑:如果脚本需要支持旧版Tampermonkey,应优先使用回调式API
常见问题解答
Q: 为什么GM_getTabs()返回undefined? A: 这是回调式API的正常行为,结果需要通过回调函数获取。
Q: 两种API可以混用吗? A: 技术上可以,但不推荐,会增加代码复杂度。
Q: 标签页对象包含哪些信息? A: 具体内容取决于Tampermonkey实现,通常包含脚本运行环境的元数据。
总结
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322