Safari 浏览器控制

通过 AppleScript（osascript）和 screencapture 在 macOS 上操作用户真实的 Safari 浏览器。这提供了对用户实际浏览器会话的完全访问权限——包括登录状态、Cookie 和打开的标签页——无需任何扩展或额外软件。

与 Playwright 或无头浏览器不同，此技能控制的是你真实的 Safari——相同的 Cookie、相同的登录状态、相同的标签页。零安装，纯 macOS 原生。

前提条件

首次使用前，请确认已启用两项设置。每次会话开始时运行此检查：

bash
osascript -e tell application Safari to get name of front window 2>&1

如果失败，请指示用户启用：

1. 1. 系统设置 > 隐私与安全性 > 自动化——授予终端应用控制 Safari 的权限
2. Safari > 设置 > 高级——启用为网页开发者显示功能，然后开发菜单 > 允许 Apple 事件中的 JavaScript

核心功能

1. 列出所有打开的标签页

bash
osascript -e
tell application Safari
set output to
repeat with w from 1 to (count of windows)
repeat with t from 1 to (count of tabs of window w)
set tabName to name of tab t of window w
set tabURL to URL of tab t of window w
set output to output & W & w & T & t & | & tabName & | & tabURL & linefeed
end repeat
end repeat
return output
end tell

2. 读取页面内容

读取当前标签页的完整文本内容：

bash
osascript -e
tell application Safari
do JavaScript document.body.innerText in current tab of front window
end tell

读取结构化内容（标题、URL、元描述、标题）：

bash
osascript -e
tell application Safari
do JavaScript JSON.stringify({
title: document.title,
url: location.href,
description: document.querySelector(\meta[name=description]\)?.content || \\,
h1: [...document.querySelectorAll(\h1\)].map(e => e.textContent).join(\ | \),
h2: [...document.querySelectorAll(\h2\)].map(e => e.textContent).join(\ | \)
}) in current tab of front window
end tell

读取简化版 DOM（类似于 Chrome ACP 的 browser_read）：

bash
osascript -e
tell application Safari
do JavaScript
(function() {
const walk = (node, depth) => {
let result = \\;
for (const child of node.childNodes) {
if (child.nodeType === 3) {
const text = child.textContent.trim();
if (text) result += text + \\\n\;
} else if (child.nodeType === 1) {
const tag = child.tagName.toLowerCase();
if ([\script\,\style\,\noscript\,\svg\].includes(tag)) continue;
const style = getComputedStyle(child);
if (style.display === \none\ || style.visibility === \hidden\) continue;
if ([\h1\,\h2\,\h3\,\h4\,\h5\,\h6\].includes(tag))
result += \#\.repeat(parseInt(tag[1])) + \ \;
if (tag === \a\) result += \[\;
if (tag === \img\) result += \[Image: \ + (child.alt || \\) + \]\\n\;
else if (tag === \input\) result += \[Input \ + child.type + \: \ + (child.value || child.placeholder || \\) + \]\\n\;
else if (tag === \button\) result += \[Button: \ + child.textContent.trim() + \]\\n\;
else result += walk(child, depth + 1);
if (tag === \a\) result += \](\ + child.href + \)\\n\;
if ([\p\,\div\,\li\,\tr\,\br\,\h1\,\h2\,\h3\,\h4\,\h5\,\h6\].includes(tag))
result += \\\n\;
}
}
return result;
};
return walk(document.body, 0).substring(0, 50000);
})()
in current tab of front window
end tell

3. 执行 JavaScript

在页面上下文中运行任意 JavaScript 并获取返回值：

bash
osascript -e
tell application Safari
do JavaScript YOURJSCODE_HERE in current tab of front window
end tell

对于多行脚本，使用 heredoc：

bash
osascript << APPLESCRIPT
tell application Safari
do JavaScript
(function() {
// 此处为多行 JS
return result;
})()
in current tab of front window
end tell
APPLESCRIPT

4. 截图

提供两种方法。在会话开始时自动检测使用哪种：

bash

测试是否已授予屏幕录制权限（后台截图可用）

/tmp/safariwid 2>/dev/null && echo BACKGROUNDSCREENSHOT=true || echo BACKGROUND_SCREENSHOT=false

后台截图（需要屏幕录制权限）

如果用户已授予终端应用屏幕录制权限，使用 screencapture -l 在不激活 Safari 的情况下进行截图：

bash

每次会话编译一次辅助工具（如果尚未编译）

if [ ! -f /tmp/safari_wid ]; then
cat > /tmp/safari_wid.swift << SWIFT
import CoreGraphics
import Foundation
let options: CGWindowListOption = [.optionOnScreenOnly, .excludeDesktopElements]
guard let windowList = CGWindowListCopyWindowInfo(options, kCGNullWindowID) as? [[String: Any]] else { exit(1) }
for window in windowList {
guard let owner = window[kCGWindowOwnerName as String] as? String,
owner == Safari,
let layer = window[kCGWindowLayer as String] as? Int,
layer == 0,
let wid = window[kCGWindowNumber as String] as? Int else { continue }
print(wid)
exit(0)
}
exit(1)
SWIFT
swiftc /tmp/safariwid.swift -o /tmp/safariwid
fi

后台捕获 Safari 窗口（无需激活）

WID=$(/tmp/safari_wid) screencapture -l $WID -o -x /tmp/safari_screenshot.png

要启用此功能，指示用户：系统设置 > 隐私与安全性 > 屏幕录制——授予终端应用（Terminal / iTerm / Warp）权限。

前台截图（无需额外权限）

如果未授予屏幕录制权限，回退到基于区域的截图。这会短暂激活 Safari（约 0.5 秒），然后切换回来：

bash

记住当前最前端的应用

FRONT_APP=$(osascript -e tell application System Events to get name of first process whose frontmost is true)

激活 Safari 并捕获其窗口区域

osascript -e tell application Safari to activate sleep 0.3 BOUNDS=$(osascript -e tell application System Events tell process Safari -- Safari 可能将薄工具栏暴露为窗口 1；找到最大的窗口 set bestW to 0 set bestBounds to repeat with i from 1 to (count of windows) set {x, y} to position of window i set {w, h} to size of window i if w * h > bestW then set bestW to w * h set bestBounds to (x as text) & , & (y as text) & , & (w as text) & , & (h as text) end if end repeat return bestBounds end tell end tell) screencapture -x -R $BOUNDS /tmp/safari_screenshot.png

切换回之前的应用

osascript -e tell application \$FRONT_APP\ to activate

使用任一方法捕获后，读取截图以查看屏幕上的内容：

使用 /tmp/safari_screenshot.png 上的读取工具查看捕获的图像。

5. 导航

在当前标签页中打开 URL：

bash
osascript -e
tell application Safari
set URL of current tab of front window to https://example.com
end tell

在新标签页中打开 URL：

bash