Streetmerchant项目中的浏览器控制技巧:解决Chromium与默认浏览器同时打开的问题
问题背景
在使用Streetmerchant项目进行商品监控时,许多用户遇到了一个常见但令人困扰的现象:当项目检测到目标商品有货时,系统会同时在Chromium浏览器(通过Puppeteer配置)和默认浏览器(如Firefox)中打开商品链接。这种双重打开行为不仅影响使用体验,还可能导致不必要的系统资源消耗。
技术原理分析
Streetmerment项目在设计上提供了两种浏览器交互方式:
-
Puppeteer控制的Chromium实例:这是项目进行网页抓取和自动化操作的核心组件,通过环境变量
PUPPETEER_EXECUTABLE_PATH可以指定Chromium的安装路径。 -
系统默认浏览器:项目默认配置会在检测到库存时使用系统的默认浏览器打开商品页面,这是为了方便用户快速查看商品详情。
解决方案
经过深入分析,这个问题实际上不是bug,而是项目的默认行为设计。Streetmerment提供了一个简单但有效的配置选项来控制这一行为:
OPEN_BROWSER=false
将这个参数设置为false后,项目将只使用Puppeteer控制的Chromium实例进行操作,而不会触发系统默认浏览器。
详细配置建议
对于macOS用户,特别是使用M1/M2芯片的设备,建议采用以下完整配置方案:
-
安装Chromium:
brew install chromium -
环境变量配置(在.zshrc或.bash_profile中):
export PUPPETEER_SKIP_CHROMIUM_DOWNLOAD=true export PUPPETEER_EXECUTABLE_PATH=/opt/homebrew/bin/chromium -
Streetmerchant配置(在dotenv文件中):
OPEN_BROWSER=false HEADLESS=false # 如需可视化调试可设置为false
进阶技巧
-
多浏览器策略:如果需要同时监控多个网站,可以考虑配置多个Streetmerchant实例,每个实例使用不同的浏览器配置。
-
资源优化:在长期运行的监控场景中,建议将HEADLESS设置为true以减少资源占用。
-
错误排查:如果Chromium无法正常启动,可以检查Puppeteer版本与Chromium版本的兼容性。
总结
Streetmerment项目的浏览器控制功能提供了灵活的配置选项,通过理解OPEN_BROWSER参数的作用,用户可以精确控制项目的浏览器行为。这一技巧不仅解决了双重打开的问题,也为项目的定制化使用提供了更多可能性。对于需要长期稳定运行监控任务的用户,合理配置浏览器参数是保证系统稳定性和使用体验的关键因素。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00