Matomo.js中javaEnabled属性访问异常问题分析
问题背景
Matomo作为一款流行的开源网站分析工具,其JavaScript跟踪代码(matomo.js)近期出现了一个与浏览器属性访问相关的异常。该问题主要表现为在访问navigator.javaEnabled属性时抛出错误,影响了部分用户的数据收集功能。
错误现象
错误信息显示为:
'get' on proxy: property 'javaEnabled' is a read-only and non-configurable data property on the proxy target but the proxy did not return its actual value
从错误报告来看,该问题主要出现在以下环境组合中:
- 浏览器:Chrome 125.0.6422至127.0.6523版本
- 操作系统:Windows 10及以上版本
- 时间点:首次报告于2024年12月9日
技术分析
根本原因
该问题的核心在于JavaScript Proxy对象对navigator.javaEnabled属性的处理方式。javaEnabled是浏览器Navigator对象的一个历史遗留属性,现代浏览器通常将其硬编码为返回false的函数。
问题出现的具体场景是:
- 某些环境(可能是微软的扫描服务或安全代理)对
navigator对象进行了代理包装 - 这个代理没有正确处理
javaEnabled属性的getter方法 - 当Matomo代码尝试访问该属性时,代理返回的函数与原始函数不匹配
代码层面
在Matomo的源代码中,相关检查位于对浏览器能力的检测部分。代码会检查navigator.javaEnabled是否存在,这是为了兼容旧版浏览器而保留的功能检测。
影响范围
虽然该错误频繁出现在错误监控系统中,但实际影响有限:
- 主要来自微软IP范围的请求
- 不影响主流浏览器的正常用户
- 可能是自动化工具(如爬虫、安全扫描)触发的边缘情况
解决方案建议
对于Matomo项目维护者,可以考虑以下解决方案方向:
-
防御性编程:在访问
javaEnabled属性时添加try-catch块,优雅地处理可能的异常 -
条件检测优化:仅在可能返回有意义值的旧版浏览器中检查该属性,现代浏览器可跳过此检测
-
属性访问方式调整:使用更安全的属性访问方式,如
Object.prototype.hasOwnProperty.call(navigator, 'javaEnabled') -
完全移除检测:考虑完全移除对已废弃的
javaEnabled属性的检测,因为现代浏览器已不再支持Java插件
对开发者的建议
对于使用Matomo的开发者,如果遇到此错误:
- 可以暂时在错误监控系统中过滤此类错误
- 关注Matomo官方更新,等待包含修复的版本发布
- 如需立即解决,可以考虑自定义修改matomo.js文件,但需注意维护成本
总结
这个问题展示了Web开发中处理浏览器遗留API时面临的挑战。随着浏览器安全模型的演进,对某些历史属性的访问方式需要相应调整。Matomo团队需要权衡兼容性与现代浏览器特性支持,找到最合适的解决方案。
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