GoatCounter项目中JSON访问计数器CORS问题的解决方案
2025-06-10 10:13:46作者:傅爽业Veleda
问题背景
在使用GoatCounter统计服务时,开发者可能会遇到通过JSON API获取访问量数据时出现的CORS(跨域资源共享)问题。这个问题通常表现为浏览器控制台报错,提示缺少CORS头部信息,导致无法获取统计数据。
核心问题分析
经过深入分析,这个问题实际上包含两个层面的因素:
-
404错误处理不完善:当请求的路径不存在时,服务器返回404状态码,但未正确设置CORS头部,导致浏览器拦截响应。
-
URL路径构造问题:常见的情况是路径末尾包含多余的斜杠(/)字符,导致请求的路径与GoatCounter数据库中存储的路径不匹配。
解决方案
1. 正确的URL构造方法
GoatCounter的JSON API端点格式应为:
/counter/«PATH».json
其中«PATH»必须与仪表板中显示的路径完全一致。需要注意以下几点:
- 路径通常应以斜杠(/)开头
- 是否包含结尾斜杠取决于实际存储的路径
- 需要进行URL编码处理
2. 推荐实现方式
GoatCounter提供了更可靠的获取路径的方法,建议使用内置的get_data()函数:
let path = window.goatcounter.get_data()['p']
let r = new XMLHttpRequest();
r.addEventListener('load', function() {
document.querySelector('#stats').innerText = JSON.parse(this.responseText).count
})
r.open('GET', 'https://your-stats-domain.com/counter/' + encodeURIComponent(path) + '.json')
r.send()
3. 路径处理技巧
如果必须手动处理路径,可以使用正则表达式确保路径格式正确:
let cleanPath = location.pathname.replace(/\/$/, ""); // 移除末尾斜杠
encodeURIComponent(cleanPath)
技术原理
GoatCounter团队已经修复了这个问题,现在即使在404错误情况下也会正确设置CORS头部。这一改进确保了:
- 跨域请求能够正常进行
- 开发者可以正确处理各种响应状态
- 错误信息能够被前端代码捕获和处理
最佳实践建议
- 优先使用GoatCounter提供的
get_data()方法获取路径 - 确保请求的路径与仪表板显示完全一致
- 处理响应时考虑错误情况,增强代码健壮性
- 对于新项目,建议直接使用官方推荐的实现方式
通过遵循这些建议,开发者可以避免常见的CORS问题,并构建出更可靠的访问统计功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219