解决MSWJS项目中"instanceof右侧不是对象"的错误
在使用MSWJS(Mock Service Worker)进行前端测试时,开发者可能会遇到一个棘手的TypeError错误:"Right-hand side of 'instanceof' is not an object"。这个错误通常发生在Node.js环境下运行测试时,特别是在升级到较新版本的MSW后。
错误背景
这个错误源于JavaScript的instanceof操作符需要右侧是一个有效的构造函数或类。当Node.js环境中缺少某些Web API的polyfill时,MSW在尝试创建模拟响应对象时会抛出这个错误。
根本原因
问题的核心在于Node.js环境缺少浏览器中常见的Web API实现,特别是:
- TextEncoder/TextDecoder API
- Streams API(特别是ReadableStream和TransformStream)
- Fetch API及其相关对象(Response, Request等)
完整解决方案
要彻底解决这个问题,需要在测试设置文件中添加所有必要的polyfill。以下是完整的解决方案:
/**
* Node.js全局polyfill配置
* 这些必须在特定顺序下require,因为"undici"依赖"TextEncoder"全局API
*/
const { TextDecoder, TextEncoder } = require('node:util');
const { ReadableStream, TransformStream } = require('node:stream/web');
Object.defineProperties(globalThis, {
TextDecoder: { value: TextDecoder },
TextEncoder: { value: TextEncoder },
ReadableStream: { value: ReadableStream },
TransformStream: { value: TransformStream },
});
const { Blob, File } = require('node:buffer');
const { fetch, Headers, FormData, Request, Response } = require('undici');
Object.defineProperties(globalThis, {
fetch: { value: fetch, writable: true },
Blob: { value: Blob },
File: { value: File },
Headers: { value: Headers },
FormData: { value: FormData },
Request: { value: Request },
Response: { value: Response },
});
关键点说明
-
模块导入顺序很重要:必须先导入TextEncoder/TextDecoder,再导入其他API
-
正确的导入路径:
- Stream相关API必须从'node:stream/web'导入
- 工具类API从'node:util'导入
- Blob等从'node:buffer'导入
-
全局挂载:使用Object.defineProperties将这些API挂载到globalThis上
-
完整API集合:解决方案中包含了所有必要的Web API polyfill,包括:
- 文本编码/解码API
- 流处理API
- Fetch API及其相关对象
- 二进制数据处理API
为什么需要这些polyfill
MSW在Node.js环境下运行时,需要模拟浏览器环境中的许多Web API。较新版本的MSW对运行环境有更严格的要求,需要完整的Web API支持才能正确创建模拟请求和响应对象。缺少任何一个关键API都可能导致类型检查失败,从而出现"instanceof右侧不是对象"的错误。
替代方案
如果觉得维护这些polyfill比较复杂,可以考虑:
- 使用更现代的测试运行器(如Vitest),它们对Web API有更好的内置支持
- 使用jsdom环境运行测试,它提供了更完整的浏览器API模拟
总结
通过正确配置所有必要的Web API polyfill,可以彻底解决MSWJS在Node.js测试环境中出现的"instanceof"类型错误。这个解决方案已经被多位开发者验证有效,适用于大多数使用MSW进行前端测试的场景。关键在于确保测试环境拥有所有必需的浏览器API实现,并按照正确的顺序加载它们。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03