解决NODRIVER项目中Page.frameStartedNavigating事件的KeyError问题
在NODRIVER项目使用过程中,开发者可能会遇到一个常见的日志错误问题。当设置日志级别为INFO时,系统会不断输出关于"Page.frameStartedNavigating"事件的KeyError错误信息。这个问题虽然不影响程序的主要功能,但会污染日志输出,给开发者带来困扰。
问题现象
当开发者使用NODRIVER库进行浏览器自动化操作时,如果启用了INFO级别的日志记录,会在控制台看到如下错误信息反复出现:
KeyError: 'Page.frameStartedNavigating'
错误发生在CDP(Chrome DevTools Protocol)事件解析过程中,系统无法正确处理"Page.frameStartedNavigating"这一特定类型的事件。
技术背景
NODRIVER是一个基于Chrome DevTools Protocol(CDP)的浏览器自动化工具。CDP是Chrome浏览器提供的一套调试协议,允许开发者通过WebSocket与浏览器进行通信,控制浏览器的各种行为。
在CDP协议中,浏览器会发送各种事件通知客户端当前状态的变化。"Page.frameStartedNavigating"就是其中之一,表示页面框架开始导航到一个新的URL。NODRIVER需要正确解析这些事件才能保持与浏览器的同步状态。
问题原因
这个错误表明NODRIVER内部的事件解析器字典中缺少对"Page.frameStartedNavigating"事件的处理程序。当浏览器发送这类事件时,解析器尝试从字典中查找对应的处理方法,但由于键不存在而抛出KeyError。
虽然这个错误不会导致程序崩溃或功能失效(因为异常被捕获并记录为日志),但它反映了代码中对某些CDP事件类型的处理不够全面。
解决方案
项目维护者已经确认在即将发布的更新中修复了这个问题。修复的方式可能包括:
- 在事件解析器字典中添加对"Page.frameStartedNavigating"事件的处理程序
- 改进错误处理机制,使未处理的事件类型不会产生错误日志
- 更新CDP协议支持范围,确保覆盖所有常见事件类型
临时解决方案
在等待官方更新期间,开发者可以采取以下临时措施:
- 将日志级别调整为WARNING或更高级别,避免看到这些INFO级别的错误信息
- 在代码中捕获并忽略特定类型的KeyError异常
- 使用日志过滤器过滤掉特定错误信息
最佳实践
为了避免类似问题,建议开发者:
- 在生产环境中使用适当的日志级别(如WARNING或ERROR)
- 定期更新NODRIVER到最新版本,获取错误修复和新功能
- 关注项目更新日志,了解已知问题和修复情况
这个问题很好地展示了在开发浏览器自动化工具时处理CDP协议事件的复杂性,也提醒我们在日志记录策略上需要更加谨慎。
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-1.5暂无简介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
Spark-Formalizer-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
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