如何自动化捕获并下载网页流式音频？兼询浏览器扩展自动化方案

一、自动化Chrome扩展（Smart Audio Capture）的方法 #

Selenium并非完全无法与扩展交互，只要正确加载扩展并定位其UI元素即可：

1. 加载扩展到Selenium会话

   • 先获取Smart Audio Capture的本地路径或CRX文件：
     • 本地路径：在Chrome的扩展安装目录找到对应ID的文件夹（Windows：%LOCALAPPDATA%\Google\Chrome\User Data\Default\Extensions；Mac：~/Library/Application Support/Google/Chrome/Default/Extensions；Linux：~/.config/google-chrome/Default/Extensions），选择最新版本的目录。
   • 初始化ChromeDriver时添加扩展：

     from selenium import webdriver
     from selenium.webdriver.chrome.options import Options
     
     chrome_options = Options()
     # 加载本地扩展目录
     chrome_options.add_extension("/path/to/smart-audio-capture-version-folder")
     # 或加载CRX文件：chrome_options.add_extension("/path/to/extension.crx")
     
     driver = webdriver.Chrome(options=chrome_options)
     

2. 操作扩展UI

   • 扩展的弹窗页面URL为 chrome-extension://<扩展ID>/popup.html，直接打开该URL后，用Selenium常规定位方法（XPATH、CSS选择器）点击开始/停止按钮：

     # 打开扩展弹窗
     driver.get("chrome-extension://abc123xyz/popup.html")
     # 点击开始捕获按钮（需根据扩展实际元素调整选择器）
     driver.find_element("css selector", "button.start-rec").click()
     # 等待录制时长
     import time
     time.sleep(30)
     # 停止捕获
     driver.find_element("css selector", "button.stop-rec").click()
     

二、无需扩展：用Chrome DevTools Protocol（CDP）直接捕获 #

这是更稳定的方案，跳过第三方扩展，直接调用浏览器原生能力：

from selenium import webdriver
import time
import base64

driver = webdriver.Chrome()
driver.get("你的目标音频页面URL")

# 启动音频录制，指定格式和码率
driver.execute_cdp_cmd("MediaRecorder.startRecording", {
    "mimeType": "audio/webm",
    "audioBitsPerSecond": 128000
})

# 等待音频播放完成或指定录制时长
time.sleep(30)

# 停止录制并获取base64编码的音频数据
recording_result = driver.execute_cdp_cmd("MediaRecorder.stopRecording", {})
audio_base64 = recording_result["data"]

# 解码并保存到文件
with open("captured_audio.webm", "wb") as f:
    f.write(base64.b64decode(audio_base64))

driver.quit()

三、替代Selenium的工具 #

1. Playwright #

对扩展支持更友好，原生集成CDP，操作更简洁：

from playwright.sync_api import sync_playwright
import base64

with sync_playwright() as p:
    browser = p.chromium.launch(headless=False)
    # 加载扩展
    context = browser.new_context(
        extensions=["/path/to/smart-audio-capture-folder"]
    )
    page = context.new_page()
    page.goto("你的目标音频页面URL")

    # 打开扩展弹窗
    extension_id = "扩展的唯一ID"  # 从Chrome扩展管理页面获取
    page.goto(f"chrome-extension://{extension_id}/popup.html")
    # 启动录制
    page.click("button#start-button")  # 替换为实际元素选择器
    # 等待录制
    page.wait_for_timeout(30000)
    # 停止录制并处理下载
    page.click("button#stop-button")
    download = page.wait_for_download()
    download.save_as("captured_audio.webm")

    browser.close()

2. Puppeteer（Node.js） #

Node.js生态下的浏览器自动化工具，同样支持扩展和CDP，适合前端栈开发者。

注意事项 #

• 确保浏览器自动授予音频捕获权限，可通过Selenium/Playwright的权限配置提前设置。
• 流式音频需等待页面加载完成、音频开始播放后再启动捕获。
• CDP方案无需依赖第三方扩展，避免了扩展更新带来的兼容性问题。

内容的提问来源于stack exchange，提问作者22Fonzie