在jsdom中自定义fetch实现的方法
2025-05-10 12:22:31作者:温艾琴Wonderful
jsdom是一个流行的Node.js库,它实现了Web标准的许多功能,包括DOM、HTML解析等。在实际使用中,开发者有时需要自定义fetch行为来满足测试需求。本文将详细介绍如何在jsdom中实现自定义fetch功能。
jsdom中的网络请求实现现状
jsdom默认实现了XMLHttpRequest接口,但并未原生实现fetch API。这意味着在jsdom环境中:
- XMLHttpRequest可以直接使用
- fetch默认是undefined状态
这种设计给了开发者更大的灵活性,可以根据需要自行实现或模拟fetch行为。
自定义fetch的实现方法
在jsdom中自定义fetch非常简单,只需直接覆盖window对象的fetch属性即可:
const { JSDOM } = require('jsdom');
// 创建自定义fetch实现
const customFetch = (url, options) => {
if (url === 'https://api.example.com/data') {
return Promise.resolve({
json: () => Promise.resolve({ data: 'mock response' }),
status: 200
});
}
return Promise.reject(new Error('Not found'));
};
// 创建jsdom实例并覆盖fetch
const dom = new JSDOM(`<!DOCTYPE html><p>Hello world</p>`, {
runScripts: "dangerously"
});
// 设置自定义fetch
dom.window.fetch = customFetch;
高级应用场景
并发测试支持
对于需要并发运行的测试场景,可以为每个jsdom实例创建独立的fetch模拟器:
function createMockEnvironment() {
const dom = new JSDOM(``, { runScripts: "dangerously" });
// 每个实例有独立的mock状态
const mockState = {
calls: 0
};
dom.window.fetch = (url) => {
mockState.calls++;
return Promise.resolve({
json: () => Promise.resolve({ callCount: mockState.calls }),
status: 200
});
};
return dom;
}
完整的Response对象模拟
如果需要更真实的模拟,可以创建完整的Response对象:
dom.window.fetch = (url) => {
const response = new dom.window.Response(JSON.stringify({ data: 'test' }), {
status: 200,
headers: {
'Content-type': 'application/json'
}
});
return Promise.resolve(response);
};
注意事项
- 确保在设置自定义fetch后才运行脚本
- 考虑错误处理场景,模拟网络错误等异常情况
- 对于复杂应用,可以考虑使用专门的mock库来管理fetch行为
- 注意内存管理,及时清理不再需要的jsdom实例
通过这种灵活的自定义方式,开发者可以轻松创建适合各种测试场景的网络请求环境,提高测试的可靠性和效率。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
329
388
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++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
188
🎉 (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
1.33 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
113
136