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
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 StartedRust0187
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 Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
759
4.94 K
Claude 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 Started
Rust
1.78 K
186
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
716
866
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 K
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++
1.07 K
1.09 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
1.72 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
674
1.32 K
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
454
436