- name
- persistent-browser
- version
- 1.0.0
- description
- 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。
- user-invocable
- true
Persistent Browser Scraper
用 Playwright launch_persistent_context 读写 main-identity 配置文件的技能。
核心原理
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：
rm -f /home/kncao/.openclaw/browser-profiles/main-identity/SingletonLock标准模板
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