Shot-scraper 1.8 版本发布:新增GitHub脚本加载功能
Shot-scraper 是一个强大的命令行工具,主要用于网页截图和自动化网页操作。它基于 Playwright 构建,能够模拟浏览器行为,执行JavaScript脚本,并捕获网页内容或截图。这个工具在网页自动化测试、数据抓取和内容分析等场景中非常有用。
在最新发布的 1.8 版本中,Shot-scraper 引入了一项重要功能改进:直接从GitHub加载并执行JavaScript脚本。这一功能极大地扩展了工具的使用便利性和脚本共享能力。
GitHub脚本加载功能详解
新版本为 shot-scraper javascript 命令增加了 gh: 前缀支持,允许用户直接引用托管在GitHub上的JavaScript脚本文件。这一功能通过 -i 或 --input 参数实现,有两种使用方式:
-
完整路径引用:使用
gh:用户名/仓库名/路径/脚本.js格式,可以直接指定GitHub仓库中的具体脚本文件路径。 -
简化引用:如果用户在名为
shot-scraper-scripts的专用仓库中存放脚本,并且脚本位于仓库根目录,可以直接使用gh:用户名/脚本名格式引用。
实际应用示例
以提取网页可读内容为例,假设GitHub用户simonw在其shot-scraper-scripts仓库中存放了一个readability.js脚本,现在可以这样使用:
shot-scraper javascript -i gh:simonw/readability \
https://simonwillison.net/2025/Mar/24/qwen25-vl-32b/
这条命令会从simonw的GitHub仓库获取readability.js脚本,并在指定的网页上执行,返回处理后的结果。
技术意义与优势
这一改进带来了几个显著优势:
-
脚本共享与复用:开发者可以将常用的网页处理脚本托管在GitHub上,供团队或社区共享使用,避免重复开发。
-
版本控制:通过GitHub管理脚本,可以充分利用Git的版本控制功能,确保脚本的稳定性和可追溯性。
-
简化部署:不再需要将脚本文件分发到各个使用环境,直接引用GitHub上的最新版本即可。
-
社区生态:专用
shot-scraper-scripts仓库的约定,有助于形成脚本共享的社区生态,用户可以方便地发现和使用他人贡献的有用脚本。
适用场景
这一功能特别适合以下场景:
- 团队内部共享常用的网页处理脚本
- 开源社区贡献和复用高质量的网页操作脚本
- 快速测试和验证他人开发的网页处理逻辑
- 构建自动化工作流时减少本地脚本管理负担
Shot-scraper 1.8版本的这一改进,不仅提升了工具本身的实用性,也为构建更丰富的网页自动化生态奠定了基础。对于经常需要处理网页内容的开发者和数据分析师来说,这无疑是一个值得关注的重要更新。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00