当前位置:首页 > 文章列表 > 文章 > 前端 > 前端 Response 读取后怎样复制给两个消费者

前端 Response 读取后怎样复制给两个消费者

来源:17golang原创 2026-10-18 15:09:24 0浏览 收藏

我第一次遇到这个问题,是在给一个 fetch 请求加日志时:业务代码已经通过 response.json() 拿到数据,日志分支再调用 response.text() 却直接失败。原因不是 JSON 解析把内容“删掉”了,而是 Response 的 body 是一次性消费的流。

要把同一个响应交给两个消费者,关键不是把读取方法调用两遍,而是在第一次读取之前调用 response.clone(),再让原响应和克隆响应各自消费一次。

下面只讨论 Fetch Response 的读取时机、两个消费者的分工,以及大响应体下的取舍。

为什么第二次读取会失败

json()、text()、blob() 和 arrayBuffer() 都会读取同一个 body。第一次读取完成后,bodyUsed 会变成 true,再读原对象就没有可消费的内容了。

async function showOneShotBody(url) {
  const response = await fetch(url);
  console.log(response.bodyUsed); // 第一次读取前,body 还没有被消费

  const data = await response.json();
  console.log(response.bodyUsed); // json() 消费完成后,状态变为 true

  // 这里再调用 text() 会因为响应体已经使用而失败
  return response.text();
}

这个现象也解释了为什么把两个读取操作放进 Promise.all 不能解决问题:两个 Promise 仍然竞争同一个 body,并没有创建第二份响应。

正确的复制时机是第一次读取之前

clone() 返回一个内容相同、但存放在不同变量中的 Response。它必须在 body 尚未被读取时调用;如果原响应已经消费过,再调用 clone() 会抛出 TypeError。

async function readForBusinessAndLog(url) {
  const response = await fetch(url);
  if (!response.ok) {
    throw new Error(`请求失败:${response.status}`); // 先把 HTTP 状态错误交给调用方
  }

  const logResponse = response.clone(); // 在任何 json/text 调用前复制响应
  const data = await response.json(); // 原响应交给业务分支
  const rawText = await logResponse.text(); // 克隆响应交给日志分支

  return { data, rawText };
}
Response、body 流与 Response.clone 两个消费者之间的静态关系说明图
图1:Response.clone() 的分支关系说明图,查看响应对象、body 流和两个消费者的边界;这是静态说明图,不是运行截图。

这里的要点是“先复制,后读取”。原响应和 logResponse 都有自己的消费入口,业务 JSON 和日志文本可以按各自需要选择读取方法。

两个消费者应该各自承担什么工作

实际项目里,两个消费者通常不是把同一段解析逻辑重复一遍,而是职责不同:原响应负责业务对象,克隆响应负责审计摘要、缓存原文或生成 Blob。给每个分支命名,能明显降低把两个 body 混用的概率。

async function loadProfile(url) {
  const response = await fetch(url);
  const auditResponse = response.clone(); // 旁路分支保留原始文本

  const profile = await response.json();
  const auditText = await auditResponse.text();

  // 日志只记录必要摘要,避免把完整敏感响应直接写入日志
  return {
    profile,
    audit: { status: response.status, size: auditText.length }
  };
}

如果两个分支都需要 JSON,可以让两个响应分别调用 json();如果一个分支要显示图片,则让克隆分支调用 blob()。复制的是响应,不是已经解析好的 JavaScript 对象。

原始 Response 与克隆 Response 的读取状态和消费者职责说明图
图2:两个消费者的读取状态说明图,查看原响应、克隆响应、bodyUsed 与不同读取格式的静态关系;这是结果示意图,不是运行结果截图。

大响应体不要随意并行 clone

clone() 适合小型 JSON、需要同时交给业务和审计的响应。对于很大的下载内容,两个分支的读取速度可能不同:较慢的分支会积压尚未读取的数据,内存压力会随之增加。尤其是只消费其中一个克隆分支时,整个 body 可能被缓存在内存里。

这种场景更稳妥的选择通常是只读取一次,再把已经解析出的必要结果分发给多个业务函数;如果确实需要原始字节,则应在设计阶段明确流式处理、缓存上限和取消策略,而不是默认复制整个响应。

常见问题

可以先调用 response.json(),再 clone() 吗? 不行。读取已经开始或完成后,响应 body 已经被使用,应在第一次读取前创建克隆。

clone() 会把响应变成普通对象吗? 不会。它返回另一个 Response,两个响应仍需分别调用一次读取方法。

两个消费者读取速度不同会怎样? 小响应通常没有明显问题,但大响应体可能让慢分支积压数据,应优先考虑一次读取后分发。

这次排查最后留下的判断很简单:先看谁会消费 body,再决定在哪里 clone;把 clone() 放在第一个 json()、text() 或 blob() 之前,两个消费者才能各自拿到完整响应。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Linux 怎样读取 cgroup v2 CPU 节流统计Linux 怎样读取 cgroup v2 CPU 节流统计
上一篇
Linux 怎样读取 cgroup v2 CPU 节流统计
前端 fetch 怎样在页面卸载时发送小请求
下一篇
前端 fetch 怎样在页面卸载时发送小请求
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    525次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    582次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    609次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    558次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    379次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码