持久化浏览器
persistent-browser
by ckncg
用 Playwright 持久化上下文(main-identity)抓取需要登录态的网站(YouTube、GitHub、HuggingFace、Reddit、Kaggle、X/Twitter)。当用户要求外网搜索或指定这些网站时自动触发。
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/ckncg/persistent-browser文档
Persistent Browser Scraper
用 Playwright launch_persistent_context 读写 main-identity 配置文件的技能。
核心原理
code
user_data_dir = /home/kncao/.openclaw/browser-profiles/main-identity
headless = False(必须,否则 X/Twitter 会返回空白)
每次抓取前先删 SingletonLock:
bash
rm -f /home/kncao/.openclaw/browser-profiles/main-identity/SingletonLock
标准模板
python
import asyncio
from playwright.async_api import async_playwright
USER_DATA_DIR = '/home/kncao/.openclaw/browser-profiles/main-identity'
async def scrape(url: str, selector: str = 'body', wait_ms: int = 8000):
async with async_playwright() as p:
context = await p.chromium.launch_persistent_context(
user_data_dir=USER_DATA_DIR,
headless=False,
args=[
"--password-store=basic",
"--no-sandbox",
"--disable-blink-features=AutomationControlled",
"--disable-infobars"
],
viewport={'width': 1280, 'height': 800},
java_script_enabled=True
)
try:
page = await context.new_page()
await page.goto(url, wait_until='domcontentloaded', timeout=30000)
await page.wait_for_timeout(wait_ms) # SPA hydration
text = await page.inner_text(selector)
await context.close()
return text
except Exception as e:
await context.close()
raise e
各网站等待时间
| 网站 | wait_ms | 备注 |
|---|---|---|
| X/Twitter | 8000 | React SPA,需等 JS 渲染 |
| YouTube | 6000 | JS 懒加载 |
| GitHub | 3000 | SSR为主 |
| HuggingFace | 5000 | React |
| 6000 | SSR+JS混合 | |
| Kaggle | 8000 | React SPA |
触发条件
- 用户要求「搜索外网」「搜一下」
- 用户指定以下网站:YouTube、GitHub、HuggingFace、Reddit、Kaggle、X/Twitter
- 任何需要登录态才能访问的内容抓取
注意事项
- 必须用
headless=False,X/Twitter 在 headless=True 下会返回空白页面 - 每次调用前清理 SingletonLock,否则报
ProcessSingleton错误 - SPA 页面(如 X)必须等 8 秒让前端 hydrate,否则正文为空
- 优先提取纯文本,不依赖截图
相关 MCP 服务
网页抓取
编辑精选by Anthropic
Fetch 是 MCP 官方参考服务器,让 AI 能抓取网页并转为 Markdown 格式。
✎ 这个服务器解决了 AI 直接处理网页内容时格式混乱的问题,适合需要让 Claude 分析在线文档或新闻的开发者。不过作为参考实现,它缺乏生产级的安全配置,你得自己处理反爬虫和隐私风险。
搜索与获取
86.6kPuppeteer 浏览器控制
编辑精选by Anthropic
Puppeteer 是让 Claude 自动操作浏览器进行网页抓取和测试的 MCP 服务器。
✎ 这个服务器解决了手动编写 Puppeteer 脚本的繁琐问题,适合需要自动化网页交互的开发者,比如抓取动态内容或做端到端测试。不过,作为参考实现,它可能缺少生产级的安全防护,建议在可控环境中使用。
搜索与获取
86.6kBrave 搜索
编辑精选by Anthropic
Brave Search 是让 Claude 直接调用 Brave 搜索 API 获取实时网络信息的 MCP 服务器。
✎ 如果你想让 AI 助手帮你搜索最新资讯或技术文档,这个工具能绕过传统搜索的限制,直接返回结构化数据。特别适合需要实时信息的开发者,比如查 API 更新或竞品动态。不过它依赖 Brave 的 API 配额,高频使用可能受限。
搜索与获取
86.6k