Tampermonkey中GM_xmlhttpRequest方法支持的HTTP方法详解
在Tampermonkey脚本开发中,GM_xmlhttpRequest是一个非常重要的API,它允许用户脚本发起跨域HTTP请求。然而,官方文档中关于该API支持的HTTP方法描述存在不完整的情况,这可能导致开发者错过一些有用的功能。
官方文档的局限性
根据Tampermonkey官方文档,GM_xmlhttpRequest的method参数仅列出了GET、HEAD和POST三种HTTP方法。这种描述方式容易让开发者误以为这是Tampermonkey支持的全部HTTP方法,从而限制了开发者在脚本中使用更丰富的HTTP语义。
实际支持的方法
经过实际测试和技术验证,GM_xmlhttpRequest实际上支持更广泛的HTTP方法,包括但不限于:
- GET - 获取资源
- HEAD - 获取资源头信息
- POST - 创建资源
- PUT - 更新资源
- DELETE - 删除资源
- PATCH - 部分更新资源
- OPTIONS - 获取服务器支持的HTTP方法
这些方法与现代Web开发中常用的RESTful API设计模式完全兼容,为Tampermonkey脚本提供了更强大的与Web服务交互的能力。
技术实现原理
GM_xmlhttpRequest底层基于浏览器的XMLHttpRequest或Fetch API实现。现代浏览器对这些HTTP方法都有良好的支持,因此Tampermonkey能够透明地将这些方法传递给底层API。这种设计使得用户脚本能够充分利用现代Web技术栈的全部能力。
使用建议
开发者在使用GM_xmlhttpRequest时,可以放心地使用各种标准的HTTP方法,而不仅限于文档中列出的三种。特别是在开发与RESTful API交互的脚本时,正确使用PUT、DELETE等方法可以使代码更加语义化,也更符合API设计规范。
最佳实践
- 对于只读操作,优先使用GET方法
- 创建资源时使用POST方法
- 更新完整资源时使用PUT方法
- 删除资源时使用DELETE方法
- 部分更新时使用PATCH方法
- 需要预检请求时使用OPTIONS方法
注意事项
虽然Tampermonkey支持这些HTTP方法,但实际使用时仍需注意:
- 目标服务器必须支持相应的HTTP方法
- 某些方法可能会触发CORS预检请求
- 在跨域请求时,服务器需要正确配置CORS头
- 某些老旧浏览器可能对非标准方法支持不完全
结论
Tampermonkey的GM_xmlhttpRequest实际上支持完整的HTTP方法集,这为开发者提供了更强大的Web请求能力。开发者不应局限于文档中列出的三种方法,而应根据实际需求选择合适的HTTP方法。这种灵活性使得Tampermonkey脚本能够更好地与现代Web服务和API集成。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00