Tampermonkey脚本在浏览器后退时失效的解决方案
问题现象分析
在使用Tampermonkey浏览器扩展时,用户可能会遇到一个常见问题:当通过浏览器后退按钮返回之前访问过的页面时,原本应该在该页面上运行的Tampermonkey脚本不再生效。这种现象通常发生在单页应用(SPA)或使用软导航(soft navigation)的网站上,比如Twitter/X等现代Web应用。
技术原理剖析
这种现象的根本原因在于现代Web应用的导航机制与传统网站不同:
-
硬导航 vs 软导航:传统网站使用硬导航(hard navigation),即每次页面跳转都会触发完整的页面加载;而现代Web应用多采用软导航(programmatic navigation),通过JavaScript动态更新页面内容而不重新加载整个页面。
-
Tampermonkey脚本加载机制:Tampermonkey脚本只在硬导航时才会加载执行。当用户通过后退按钮返回页面时,如果网站使用的是软导航机制,Tampermonkey脚本不会被重新加载。
解决方案
方法一:扩大匹配范围并添加路径检查
// 修改前
// @match https://x.com/yugiohmemories
// 修改后
// @match https://x.com/*
setInterval(function(){
if (window.location.pathname !== "/yugiohmemories") return;
window.location.href = window.location.href;
}, 30*1000);
这种方法通过扩大脚本的匹配范围,使其在整个域名下都生效,然后通过代码检查当前路径是否为需要自动刷新的特定页面。
方法二:添加手动刷新按钮
function addButton() {
const btn = document.createElement("button");
btn.textContent = "Init reloading";
btn.style = `
position: fixed;
top: 10px;
left: calc(50vw - 500px);
z-index: 1000;
`;
btn.onclick = () => {
btn.remove();
startReloading();
};
document.body.append(btn);
}
function startReloading() {
sessionStorage.reloadUrl = window.location.href;
setTimeout(() => {
if (sessionStorage.reloadUrl === window.location.href) {
window.location.reload();
} else {
addButton();
}
}, 30_000);
}
这种方法提供了更好的用户体验,允许用户在需要时手动启动自动刷新功能。
方法三:通用自动刷新解决方案
const reloadPages = {
"https://x.com/buitengebieden": 5,
"https://example.com/exact-url$": 5
};
const regExps = Object.entries(reloadPages).map(([reg, time]) => [new RegExp(reg, "i"), time*1000]);
let timer;
function check() {
clearTimeout(timer);
for (const [reg, time] of regExps) {
if (reg.test(window.location.href)) {
timer = setTimeout(() => window.location.reload(), time);
return;
}
}
}
check();
window.onurlchange = check;
这是一个更通用的解决方案,可以配置多个需要自动刷新的页面及其刷新间隔,利用window.onurlchange事件来检测URL变化。
最佳实践建议
-
合理设置@match规则:对于现代Web应用,建议使用更宽泛的匹配模式,如
https://example.com/*,然后在脚本内部进行精确的URL检查。 -
利用浏览器API:可以使用
window.onurlchange事件(需要Tampermonkey的@grant window.onurlchange权限)来检测URL变化,及时执行需要的操作。 -
考虑用户体验:自动刷新功能可能会影响用户体验,建议提供可视化反馈或允许用户控制刷新行为。
-
性能优化:在实现自动刷新功能时,注意清除旧的定时器,避免内存泄漏和性能问题。
通过理解Tampermonkey脚本的加载机制和现代Web应用的导航特性,开发者可以编写出更健壮的用户脚本,解决后退时脚本失效的问题。
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。C030
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