深入理解axios中的XSRF-TOKEN跨域处理机制
2025-04-28 23:33:01作者:曹令琨Iris
在前后端分离架构中,axios作为一款流行的HTTP客户端库,提供了XSRF(跨站请求伪造)防护机制。本文将深入探讨axios的XSRF-TOKEN处理逻辑,特别是跨子域场景下的解决方案。
axios的XSRF防护机制原理
axios内置的XSRF防护机制通过以下方式工作:
- 从cookie中读取名为"XSRF-TOKEN"的值
- 将该值作为"X-XSRF-TOKEN"请求头发送到服务器
- 服务器验证令牌的有效性
默认情况下,axios只会对与当前页面同源的请求自动添加XSRF头。这是出于安全考虑,防止令牌泄露给不受信任的域。
跨子域场景的挑战
在实际开发中,常见以下场景:
- 前端部署在frontend.company.com
- API服务部署在backend.company.com
- 两者共享同一个顶级域(company.com)
此时,axios的默认机制会失效,因为它会严格比较完整域名是否匹配。虽然浏览器会自动将cookie发送到同顶级域下的子域,但axios不会自动添加XSRF头。
解决方案:请求拦截器实现
我们可以通过axios的请求拦截器来实现跨子域的XSRF防护:
const xsrfTokenRequestInterceptor = (request) => {
try {
const method = request.method?.toLowerCase();
const unsafeMethods = ['post', 'put', 'delete', 'patch'];
const methodRequiresCSRF = unsafeMethods.includes(method);
const currentHost = window.location.hostname.split('.').slice(-2).join('.');
const targetHost = new URL(axios.getUri(request)).hostname.split('.').slice(-2).join('.');
const sameBaseDomain = currentHost === targetHost;
if (request.withXSRFToken === undefined) {
request.withXSRFToken = sameBaseDomain && methodRequiresCSRF;
}
if (request.withCredentials === undefined) {
request.withCredentials = sameBaseDomain;
}
} catch (error) {
console.error('XSRF拦截器处理异常:', error);
}
return request;
};
实现要点解析
- 方法类型判断:只对POST、PUT、DELETE、PATCH等可能修改数据的请求启用XSRF防护
- 域名匹配:比较当前页面和目标URL的二级域名和顶级域名是否相同
- 配置覆盖:保留手动设置withXSRFToken和withCredentials的能力
- 错误处理:确保拦截器异常不会阻断请求
注意事项
- 此方案假设所有子域共享同一个顶级域
- 对于包含国家代码的二级域名(如.co.uk),需要更复杂的域名解析逻辑
- 必须确保服务器正确设置了cookie的domain属性为顶级域
- 生产环境应考虑使用成熟的域名解析库处理复杂域名
通过这种拦截器方案,我们可以在保持安全性的同时,实现跨子域的XSRF防护,为前后端分离架构提供更好的开发体验。
登录后查看全文
热门项目推荐
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 StartedRust0191
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 Notebook0117
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。Java04
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 Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
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++
857
1.92 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++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
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
455
437
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++
1.08 K
1.09 K
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
150
252
CANN 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 Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220