fdaciuk/ajax 项目核心原理剖析:从原生XHR到Promise封装
2025-06-26 10:30:33作者:平淮齐Percy
前言
在现代前端开发中,异步请求处理是核心能力之一。本文将深入解析一个轻量级AJAX库的实现原理,帮助开发者理解从原生XMLHttpRequest到Promise风格封装的完整演进过程。
原生XHR基础
GET请求实现
原生JavaScript中发起GET请求的基本流程如下:
var request = new XMLHttpRequest();
request.open('GET', '/api/data', true);
request.onload = function() {
if (request.status >= 200 && request.status < 400) {
var data = JSON.parse(request.responseText);
// 成功处理逻辑
} else {
// 服务器返回错误处理
}
};
request.onerror = function() {
// 网络错误处理
};
request.send();
关键点解析:
XMLHttpRequest对象是AJAX的核心open()方法初始化请求参数- 通过事件监听处理响应
send()方法实际发起请求
POST请求实现
POST请求与GET类似,但需要设置请求头和发送数据:
var request = new XMLHttpRequest();
request.open('POST', '/api/data', true);
request.setRequestHeader('Content-Type', 'application/x-www-form-urlencoded; charset=UTF-8');
request.send('key1=value1&key2=value2');
封装思路分析
基于原生XHR的繁琐操作,我们可以抽象出几个核心配置项:
- method: 请求方法(GET/POST等)
- url: 请求地址
- data: 请求数据
- headers: 请求头
- baseURL: 基础路径
理想的封装应该提供两种使用方式:
- 直接调用方式:
ajax({
method: 'POST',
url: '/api/users',
data: {name: 'John'}
})
- 链式调用方式:
ajax().post('/api/users', {name: 'John'})
Promise风格实现
核心架构
库的核心架构分为两部分:
- 入口函数
ajax():处理配置并返回适当的方法 xhrConnection():实际处理XHR请求并返回Promise-like对象
入口函数实现
function ajax(options) {
var methods = ['get', 'post', 'put', 'delete'];
options = options || {};
options.baseUrl = options.baseUrl || '';
// 直接调用方式
if (options.method && options.url) {
return xhrConnection(
options.method,
options.baseUrl + options.url,
maybeData(options.data),
options
);
}
// 链式调用方式
return methods.reduce(function(acc, method) {
acc[method] = function(url, data) {
return xhrConnection(
method,
options.baseUrl + url,
maybeData(data),
options
);
};
return acc;
}, {});
}
XHR连接处理
xhrConnection函数是真正的核心:
function xhrConnection(type, url, data, options) {
// 初始化Promise方法
var returnMethods = ['then', 'catch', 'always'];
var promiseMethods = returnMethods.reduce(function(promise, method) {
promise[method] = function(callback) {
promise[method] = callback;
return promise;
};
return promise;
}, {});
// 创建XHR对象
var xhr = new XMLHttpRequest();
xhr.open(type, url, true);
// 设置配置
xhr.withCredentials = options.hasOwnProperty('withCredentials');
setHeaders(xhr, options.headers);
// 事件监听
xhr.addEventListener('readystatechange', ready(promiseMethods, xhr), false);
// 发送请求
xhr.send(objectToQueryString(data));
// 添加abort方法
promiseMethods.abort = function() {
return xhr.abort();
};
return promiseMethods;
}
Promise方法实现原理
通过reduce方法动态构建Promise-like对象:
['then', 'catch', 'always'].reduce(function(promise, method) {
promise[method] = function(callback) {
promise[method] = callback;
return promise;
};
return promise;
}, {});
这段代码相当于手动创建了一个包含then/catch/always方法的对象,实现了类似Promise的链式调用能力。
响应处理机制
请求状态变化的处理是核心中的核心:
function ready(promiseMethods, xhr) {
return function handleReady() {
if (xhr.readyState === xhr.DONE) {
xhr.removeEventListener('readystatechange', handleReady, false);
// 无论成功失败都会执行always
promiseMethods.always.apply(promiseMethods, parseResponse(xhr));
// 根据状态码决定执行then还是catch
if (xhr.status >= 200 && xhr.status < 300) {
promiseMethods.then.apply(promiseMethods, parseResponse(xhr));
} else {
promiseMethods.catch.apply(promiseMethods, parseResponse(xhr));
}
}
};
}
设计亮点解析
- 灵活的调用方式:同时支持配置对象和链式调用两种风格
- Promise-like实现:通过手动构建实现了类似Promise的then/catch机制
- always方法:无论成功失败都会执行,适合清理操作
- 请求中止:提供了abort方法取消请求
- 配置继承:baseURL等配置可以全局设置
总结
这个轻量级AJAX库的实现展示了如何将原生XHR封装成更易用的形式。核心思路包括:
- 抽象通用请求参数
- 提供多种调用方式
- 实现Promise-like接口
- 完善错误处理机制
- 提供请求控制能力
理解这种封装方式有助于开发者更好地处理网络请求,也为实现自己的工具库提供了参考。这种实现既保持了轻量级特性,又提供了现代API的使用体验。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878