跨域访问

article/2025/10/6 6:13:05

跨域访问是什么

同源策略

1995年,同源政策由Netscape公司引人浏览器。目前,所有刘览器都实行这个政策。同源政策的目的,是为了保证用户信息的安全,防止恶意的网站窃取数据。随着互联网的发展,“同源政策”越来越严格。目前,如果非同源,共有三种行为受到限制:

  1. CookieLocalStoragelndexDB无法读取

  2. DOM无法获得

  3. AJAX请求不能发送
    虽然这些限制是必要的,但是有时很不方便,合理的用途也受到影响。

所谓“同源”指的是“三个相同”:协议相同、域名相同以及端口相同。

域名是什么

跨域是什么

当一个资源从与该资源本身所在的服务器不同的域或端口请求一个资源时,资源会发起一个跨越HTTP请求。

处于安全原因,浏览器限制从脚本内发起的跨源HTTP请求。例如,XMLHttpRequestFetchAPI遵循同源策略。这意味着使用这些APIweb应用程序直能从加载应用程序的同一个域请求HTTP资源。

常见跨域分为以下两种:

  • 完全跨域:就是只一个顶级域名方向另一个顶级域名。
  • 跨子域:相同顶级域名下的两个子级域名相互通信。

跨域分为两种:常见跨域,JSONP

常见跨域

HTML页面中一些允许指定路径的元素具有跨域特性:

  • <link>元素

  • <script>元素

  • <img>元素

  • <iframe>元素

<script src="https://cdn.bootcss.com/jquery/3.3.1/jquery.js"></script>
<link href="https://cdn.bootcss.com/bootstrap/4.1.1/css/bootstrap.css"rel="stylesheet">
<img src="http://c.hiphotos.baidu.com/image/pic/item/b58f8c5494eef23e9edfe9925bc317d26.jpg">

JSONP是什么

JSONP ( JSON with Padding)JSON的一种“使用模式”,可用于解决主流浏览器的跨域数据
访问的问题。
利用<script>元素的这个开放策略,网页可以得到从其他来源动态产生的JSON资料,而这种使用模
式就是所谓的JSONP

<script>元素实现

网页通过添加一个

function addScriptTag(src) {var script = document.createElement('script');script,setAttribute("type","text/javascript");script.src = src;document,body.appendChild(script);
}
window.onload = function () {addScriptTag('http://127.0.0.1:3000?callback=foo');
}
function foo(data) {console.log('Your public IP address is: ' + data,ip);
}
image-20201117000001956

$.getJSON()方法

jQuery中的$.get. JSON()方法允许通过使用JSONP形式的回调函数来加载其他网域的JSON数据。

$.getJSON("http://127.0.0.1:3000?callback=?,function(data){console.log(data);
});

注意: $.get JSON()方法的第一个参 数表示url,需要在该参数后面添加“callback=?” 。jQuery
“?”自动替换为正确的函数名,以执行回调函数。

网页通过添加一个

function addScriptTag(src) {var script = document.createElement('script');script,setAttribute("type","text/javascript");script.src = src;document,body.appendChild(script);
}
window.onload = function () {addScriptTag('http://127.0.0.1:3000?callback=foo');
}
function foo(data) {console.log('Your public IP address is: ' + data,ip);
}

$.getJSON()方法

jQuery中的$.get. JSON()方法允许通过使用JSONP形式的回调函数来加载其他网域的JSON数据。

$.getJSON("http://127.0.0.1:3000?callback=?,function(data){console.log(data);
});

注意: $.get JSON()方法的第一个参 数表示url,需要在该参数后面添加“callback=?” 。jQuery
“?”自动替换为正确的函数名,以执行回调函数。


http://chatgpt.dhexx.cn/article/JZ3xcv1N.shtml

相关文章

朴素贝叶斯分类器python_python实现高斯朴素贝叶斯分类器

在这篇文章中,我们将使用我最喜欢的机器学习库scikit-learn在Python中实现朴素贝叶斯分类器。接下来,我们将使用经过训练的朴素贝叶斯(监督分类法)模型来预测人口收入。 在朴素贝叶斯分类器的文章中我们讨论了贝叶斯定理,我们希望你对贝叶斯定理的基础知识有一定的了解,如果…

贝叶斯分类器(matlab)

目标 下表由雇员数据库的训练数据组成。数据已泛化。例如&#xff0c;age“3135”表示年龄在31~35之间。对于给定的行&#xff0c;count表示department、status、age和salary在该行具有给定值的元组数。 DepartmentStatusAgeSalaryCountSalesSenior31-3546K-50K30Salesjunior…

Python实现朴素贝叶斯分类器

朴素贝叶斯分类器 文章目录 朴素贝叶斯分类器一、贝叶斯分类器是什么&#xff1f;贝叶斯判定准则朴素贝叶斯分类器举个栗子 二、相关代码1.数据处理2.生成朴素贝叶斯表&#xff08;字典&#xff09;关于如何判断属性的连续或离散性 根据朴素贝叶斯表计算预测标签 总结 一、贝叶…

贝叶斯分类器 (下)

目录 错误率与风险 朴素贝叶斯分类器 平滑&#xff1a;拉普拉斯修正 半朴素贝叶斯分类器 错误率与风险 书接上回&#xff0c;我们讲到最大后验概率&#xff0c;我们期望把概率最大时对应的属性&#xff0c;当做它最终的结果。我们自然也会思考&#xff0c;这样做准不准&…

贝叶斯分类器算法原理

目录 1.1&#xff0c;什么是朴素贝叶斯 1.2&#xff0c;极大似然估计 1.3&#xff0c;朴素贝叶斯分类器 1.4&#xff0c;朴素贝叶斯算法就程 1.5&#xff0c;朴素贝叶斯的优缺点 1.1&#xff0c;什么是朴素贝叶斯 在所有的机器学习分类算法中&#xff0c;朴素贝叶斯和其他…

【贝叶斯分类3】半朴素贝叶斯分类器

文章目录 1. 朴素贝叶斯分类器知识回顾1.1 类别&#xff0c;特征1.2 风险&#xff0c;概率1.3 类条件概率 2. 半朴素贝叶斯分类器学习笔记2.1 引言2.2 知识卡片2.3 半朴素贝叶斯分类器2.4 独依赖估计2.4.1 简介2.4.2 SPODE(超父独依赖估计)2.4.3 AODE(平均独依赖估计)2.4.4 TAN…

【贝叶斯分类2】朴素贝叶斯分类器

文章目录 1. 贝叶斯决策论回顾1.1 分类原理1.2 贝叶斯分类器1.3 P(c|x)1.4 计算公式1.5 极大似然估计 2. 朴素贝叶斯分类器学习笔记2.1 引言2.2 知识卡片2.3 朴素贝叶斯分类器2.4 拉普拉斯平滑 3. 朴素贝叶斯分类器拓展3.1 数据处理3.2 收集其他资料 1. 贝叶斯决策论回顾 1.1 …

朴素贝叶斯分类器

前知识了解&#xff1a; 贝叶斯决策论是概率框架下实施决策的基本方法。 贝叶斯定理&#xff1a; 贝叶斯定理是由果溯因的思想&#xff0c;当知道某件事情的结果后&#xff0c;由结果推断出这件事是由各种原因导致的概率为多少。极大似然估计&#xff1a; 朴素贝叶斯分类器…

贝叶斯分类器matlab实现

用matlab模拟最小错误率贝叶斯分类器与最小风险分类器&#xff0c;效果个人感觉还算能看的下去^_^ 注意&#xff1a;如果对实验原理还不算太懂&#xff0c;可以看其他大牛的博客或者看书&#xff0c;不管怎么样概率论知识是前提&#xff0c;不如乘法定理&#xff0c;条件概率&…

机器学习-贝叶斯分类器

https://www.toutiao.com/a6684876999611122187/ 2019-04-28 17:36:54 目录&#xff1a; 1.贝叶斯分类器的基础 2.朴素贝叶斯分类器 3.朴素贝叶斯分类实例 4.关于朴素贝叶斯容易忽略的点 5.朴素贝叶斯分类器的优缺点 1. 摘要 贝叶斯分类器是一类分类算法的总称&#xf…

贝叶斯分类器(Bayes Classifier)

一、贝叶斯定理 1、背景&#xff1a; 贝叶斯定理也称贝叶斯推理&#xff0c;早在18世纪&#xff0c;英国学者贝叶斯(1702&#xff5e;1763)曾提出 引用&#xff1a;百度百科 贝叶斯定理是关于随机事件A和B的条件概率&#xff08;或边缘概率&#xff09;的一则定理。其中P(A|B)…

实验五 贝叶斯分类器(模式识别与机器学习)

目录 实验一 离散型数据的朴素贝叶斯分类 实验步骤&#xff1a; NBtrain.m NBtest.m main.m 实验二 连续型数据的朴素贝叶斯分类 实验步骤: naiveBayestrain.m navieBayestest.m main.m 实验一 离散型数据的朴素贝叶斯分类 data数据集中含有625个样本&#xff0c;每个样…

贝叶斯分类器详解

文章目录 一、贝叶斯简介二、贝叶斯决策论三、极大似然估计例题解析 四、朴素贝叶斯分类器例题解析 五、半朴素贝叶斯分类器 一、贝叶斯简介 简介&#xff1a;贝叶斯分类器是一类分类算法的总称&#xff0c;这类算法均以贝叶斯定理为基础&#xff0c;故统称为贝叶斯分类器。而…

机器学习(六)——贝叶斯分类器

贝叶斯分类器是一类分类算法的总称&#xff0c;均以贝叶斯定理为理论基础 一、预备知识—贝叶斯决策论 1.公式 \qquad 贝叶斯决策论是概率框架下的实施决策的基本方法。对于分类任务来说&#xff0c;在所有相关概率都已知的理想情况下&#xff0c;贝叶斯决策论考虑如何基于概率…

机器学习——贝叶斯分类器

这里写目录标题 1.贝叶斯分类器属于生成式模型2.贝叶斯定理3.朴素贝叶斯分类器3.1朴素贝叶斯分类器中的数学模型3.2分类器的分类准则 1.贝叶斯分类器属于生成式模型 对于数据的判别分类有两种策略模型&#xff1a;判别式模型和生成式模型 判别式模型 : 逻辑回归、决策树、支持…

贝叶斯分类器原理——学习笔记

贝叶斯分类器原理 简介一、逆概率推理与贝叶斯公式1、确定性推理与概率推理2、贝叶斯公式 二、贝叶斯分类的原理三、概率估计1、先验概率的估计2、类条件概率的估计 四、贝叶斯分类的错误率五、常用贝叶斯分类器1、最小错误率贝叶斯分类器2、最小风险贝叶斯分类器3、朴素贝叶斯…

机器学习-贝叶斯分类器(附Python代码)

1. 贝叶斯原理 Naive Bayes 官方网址&#xff1a; https://scikit-learn.org/stable/modules/naive_bayes.html GitHub地址&#xff1a;https://github.com/gao7025/naive_bayes.git 贝叶斯分类是以贝叶斯定理为基础的一种分类算法&#xff0c;其主要思想为&#xff1a;先验…

chrome插件开发入门实战——CSDN免登陆拷贝、免关注查看

官方资料 docextensions官方chrome-extensions-samples 实战CSDN插件&#xff08;V3&#xff09; 功能 CSDN&#xff1a; 复制代码免登陆&#xff1b;CSDN&#xff1a; 免关注博主看文章&#xff1b;CSDN&#xff1a; 替换CSDN代码拷贝按钮&#xff0c;登陆也不用CSDN复制按…

Github实用浏览器插件推荐

文章目录 1. github树形目录插件-octotree&#xff08;有付费功能&#xff09;2. 快速下载github项目——GitHub加速3. 下载github中指定文件——GitZip for github4. github代码定义跳转浏览插件-Sourcegraph 某天看直播课程的时候看到这样一个界面&#xff1a; 然后就搜了一下…

IDEA必备插件

一、插件入口 二、IDEA必备插件 插件安装目录&#xff1a;C:\Users\用户名\AppData\Roaming\JetBrains\IntelliJIdea2021.3\plugins 1.Alibaba Java Coding Guidelines 推荐指数&#xff1a;★★★ 介绍&#xff1a;阿里巴巴Java编码指南 安装之后右键菜单会多出两个选项&a…