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。
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