Angular课程:使用Observables实现JSONP请求
2025-06-10 05:26:39作者:咎岭娴Homer
前言
在现代Web开发中,跨域资源共享(CORS)是一个常见的安全限制。本文将深入探讨如何在Angular应用中通过JSONP技术绕过CORS限制,实现跨域API请求。我们将基于一个音乐搜索应用案例,展示如何从传统的HTTP请求迁移到JSONP解决方案。
JSONP技术解析
什么是JSONP?
JSONP(JSON with Padding)是一种巧妙绕过浏览器同源策略的技术方案。它通过动态创建<script>标签的方式获取跨域数据,完美避开了CORS的限制。
工作原理
- 动态脚本注入:将API请求伪装成JavaScript文件请求
- 回调函数包装:服务器返回的数据会被包裹在指定的回调函数中
- 自动执行:浏览器下载并执行这个"脚本",触发我们预先定义的回调函数
技术特点
- 仅支持GET请求
- 需要服务器端支持JSONP格式
- 相比CORS方案更简单易用
- 存在一定的安全风险(XSS攻击)
实战:改造音乐搜索应用
初始配置
首先需要导入Angular的JSONP模块:
import { JsonpModule, Jsonp, Response } from '@angular/http';
@NgModule({
imports: [
BrowserModule,
ReactiveFormsModule,
FormsModule,
JsonpModule // 关键配置
]
})
class AppModule {}
服务层改造
我们将原有的HTTP服务改造为JSONP服务:
@Injectable()
export class SearchService {
apiRoot: string = 'https://itunes.apple.com/search';
constructor(private jsonp: Jsonp) {} // 注入Jsonp服务
search(term: string) {
let apiURL = `${this.apiRoot}?term=${term}&media=music&limit=20&callback=JSONP_CALLBACK`;
return this.jsonp.request(apiURL)
.map(res => {
// 数据处理逻辑保持不变
return res.json().results.map(item => {
return new SearchItem(
item.trackName,
item.artistName,
item.trackViewUrl,
item.artworkUrl30,
item.artistId
);
});
});
}
}
关键点说明
- callback参数:
JSONP_CALLBACK是一个占位符,Angular会在运行时自动替换为随机生成的函数名 - 请求方法:使用
jsonp.request()替代原来的http.get() - 响应处理:虽然请求方式变了,但响应数据的处理逻辑可以保持不变
技术对比
| 特性 | HTTP + CORS | JSONP |
|---|---|---|
| 安全性 | 高 | 中 |
| 请求类型 | 所有HTTP方法 | 仅GET |
| 服务器要求 | 需设置CORS头 | 需支持JSONP |
| 实现复杂度 | 较高 | 简单 |
| 浏览器兼容性 | 现代浏览器 | 所有浏览器 |
最佳实践建议
- 优先考虑CORS:如果API支持CORS,应优先使用标准HTTP请求
- 备用方案:对于不支持CORS的老旧API,JSONP是不错的备选方案
- 安全考虑:只信任可靠的JSONP API源,避免XSS攻击风险
- 错误处理:为JSONP请求添加超时和错误处理逻辑
总结
通过本文的学习,我们掌握了在Angular中使用JSONP实现跨域请求的核心技术。JSONP作为一种经典的跨域解决方案,虽然有其局限性,但在特定场景下仍然非常实用。关键在于理解其工作原理,并根据实际需求选择合适的跨域方案。
对于现代Angular应用开发者来说,掌握多种跨域技术方案将大大提升应对复杂场景的能力。JSONP作为其中一种重要手段,值得放入你的技术工具箱中。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (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
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
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
337
180
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248