Tampermonkey中GM_xmlhttpRequest与fetch请求差异分析
2025-06-12 23:21:42作者:瞿蔚英Wynne
背景介绍
Tampermonkey作为一款流行的用户脚本管理器,提供了GM_xmlhttpRequest API来实现跨域请求功能。然而,在实际使用中,开发者可能会发现GM_xmlhttpRequest与原生fetch API在某些场景下表现不一致,特别是在处理POST请求时。
问题现象
在Unsplash.com网站的实际案例中,开发者发现使用GM_xmlhttpRequest发送POST请求时返回403错误,而使用原生fetch API却能正常工作。经过深入排查,发现主要差异在于请求头中的Referer字段。
技术分析
1. Referer头字段的重要性
Referer是HTTP请求中的一个重要头字段,它指示了请求来源页面的URL。许多网站会利用这个字段进行安全验证,防止CSRF攻击或确保请求来自预期的页面。
2. GM_xmlhttpRequest的默认行为
Tampermonkey的GM_xmlhttpRequest在设计上出于安全考虑,默认不会自动添加Referer头字段。这是因为:
- 脚本可能在任何页面运行,无法确定合适的Referer值
- 避免意外泄露用户浏览历史
- 提供更可控的请求环境
3. fetch API的默认行为
相比之下,原生fetch API会自动添加Referer头字段,其值为当前页面的URL。这种行为更符合常规网页请求的模式,但可能带来隐私和安全方面的考虑。
解决方案
当需要在Tampermonkey脚本中模拟浏览器原生行为时,可以手动添加Referer头:
GM_xmlhttpRequest({
method: "POST",
url: "https://example.com/api",
headers: {
"Referer": location.href,
"Content-Type": "application/json"
},
data: JSON.stringify({key: "value"}),
onload: function(response) {
console.log(response);
}
});
最佳实践建议
- 明确设置必要头字段:特别是Content-Type和Referer等关键头字段
- 保持与目标API的一致性:观察浏览器原生请求的头字段设置
- 考虑安全因素:谨慎处理可能包含敏感信息的头字段
- 测试验证:使用开发者工具比较请求差异
- 错误处理:对403等状态码进行专门处理
总结
Tampermonkey的GM_xmlhttpRequest与原生fetch API在设计理念上存在差异,这导致了它们在头字段处理上的不同行为。理解这些差异有助于开发者编写更健壮的用户脚本。在实际开发中,应根据目标API的要求和安全性考虑,合理配置请求参数,确保脚本的可靠运行。
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 StartedRust0186
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 Notebook0111
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
暂无描述
Dockerfile
759
4.94 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++
853
1.91 K
deepin linux kernel
C
32
16
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++
673
1.31 K
Ascend Extension for PyTorch
Python
716
866
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
1.77 K
186
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
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++
1.06 K
1.09 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
990
598
暂无简介
Dart
1 K
259