Violentmonkey中GM.xmlHttpRequest的正确使用方式
2025-06-02 22:11:56作者:何将鹤
在用户脚本开发中,GM.xmlHttpRequest是一个非常重要的API,它允许脚本向其他域发送HTTP请求。然而,不同用户脚本管理器对这个API的实现存在差异,这可能导致兼容性问题。
核心问题分析
Violentmonkey和Greasemonkey对GM.xmlHttpRequest的实现遵循传统回调模式,而Tampermonkey则采用了Promise风格的实现。这种差异导致在Tampermonkey中可以链式调用.then()方法,但在Violentmonkey中会抛出"is not a function"错误。
正确的使用方法
在Violentmonkey中,GM.xmlHttpRequest应该这样使用:
GM.xmlHttpRequest({
method: "GET",
url: "https://example.com/api",
onload: function(response) {
if (response.status >= 200 && response.status < 300) {
console.log("请求成功", response.responseText);
} else {
console.error("请求失败", response.status);
}
},
onerror: function(error) {
console.error("请求出错", error);
}
});
兼容性解决方案
如果需要编写跨管理器的用户脚本,可以采用以下兼容性方案:
function makeRequest(url) {
if (typeof GM.xmlHttpRequest === 'function') {
// Violentmonkey/Greasemonkey风格
return new Promise((resolve, reject) => {
GM.xmlHttpRequest({
url: url,
onload: resolve,
onerror: reject
});
});
} else if (typeof GM.xmlHttpRequest === 'object' &&
typeof GM.xmlHttpRequest.then === 'function') {
// Tampermonkey风格
return GM.xmlHttpRequest({url: url});
}
throw new Error('不支持的GM.xmlHttpRequest实现');
}
最佳实践建议
- 始终检查API的可用性和行为特征
- 为不同管理器编写适配层
- 在文档中明确说明兼容性要求
- 使用try-catch处理可能的异常
- 考虑使用现代fetch API的polyfill作为替代方案
总结
理解不同用户脚本管理器对GM.xmlHttpRequest的实现差异对于开发跨平台兼容的用户脚本至关重要。Violentmonkey坚持与Greasemonkey保持一致的实现方式,采用传统的回调模式而非Promise风格。开发者应当根据目标环境选择合适的实现方式,或者编写兼容层来统一不同管理器的行为差异。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
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
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
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
134
212