浏览器自动化:DOM 文本比截图可靠
让 Agent 去抓微信公众号后台的数据时,遇到一个反直觉的坑:canvas 图表页用截图拿不到数字。bsk screenshot 在 canvas 区域反复报 image readback failed,持久失败。
改用 bsk evaluate 直接读 DOM 文本就通了:
document.body.innerText
一次拿到页面上全部可读数字,比截图再 OCR 稳得多。
另外,左侧子标签用 bsk click --ref 偶尔不触发 SPA 路由。稳妥做法是先用 evaluate 取真实 href,再 bsk navigate 过去。重载标签页后 ref 全部失效,必须先重新 snapshot。
一句话:Agent 操作网页,「读 DOM」优先于「看截图」;视觉是给人的,结构是给 Agent 的。
观察结论 → Agent 操作网页,「读 DOM」优先于「看截图」;视觉是给人的,结构是给 Agent 的。