在openapi-typescript-codegen中使用自定义Axios客户端的实践指南
2025-06-25 12:10:33作者:伍霜盼Ellen
背景介绍
openapi-typescript-codegen是一个强大的工具,能够根据OpenAPI规范自动生成TypeScript客户端代码。在实际开发中,我们经常需要自定义HTTP客户端的行为,比如添加拦截器、修改默认配置等。本文将详细介绍如何在openapi-typescript-codegen生成的项目中使用自定义Axios客户端。
问题发现
许多开发者在使用openapi-typescript-codegen生成Axios客户端代码时,发现文档中提到的BaseHttpRequest类在实际生成的代码中并不存在。这导致无法按照官方文档的方式自定义Axios实例。
解决方案
经过实践发现,要生成包含必要包装类的完整Axios客户端代码,需要在生成命令中添加--name参数。例如:
openapi -o ./generated/ -i http://localhost:8080/rest/v3/api-docs -c axios --useOptions --name AppClient
这个命令会生成一个完整的客户端结构,包括:
- 核心服务类
- 自定义HTTP请求类
- 类型定义
- 配置接口
生成结果分析
执行上述命令后,生成的代码结构将包含以下关键部分:
- AppClient.ts - 主客户端类,封装了所有API服务
- httpRequest.ts - 包含BaseHttpRequest实现,用于自定义HTTP请求
- services/ - 包含所有API端点服务
- models/ - 包含所有数据模型定义
自定义Axios客户端的实现
有了完整的生成代码后,我们可以通过以下步骤实现自定义Axios客户端:
- 创建自定义Axios实例
const customAxios = axios.create({
baseURL: 'https://api.example.com',
timeout: 10000,
headers: {'X-Custom-Header': 'foobar'}
});
- 扩展BaseHttpRequest类
class CustomHttpRequest extends BaseHttpRequest {
constructor(config: OpenAPIConfig) {
super(config, customAxios);
}
}
- 使用自定义请求类初始化客户端
const client = new AppClient({
BASE: 'https://api.example.com',
WITH_CREDENTIALS: true,
CREDENTIALS: 'include',
TOKEN: 'your_token',
USERNAME: undefined,
PASSWORD: undefined,
HEADERS: undefined,
ENCODE_PATH: undefined,
}, CustomHttpRequest);
最佳实践建议
-
拦截器使用:在自定义Axios实例中添加请求/响应拦截器,统一处理错误、添加认证信息等。
-
配置管理:将OpenAPI配置与Axios配置分离,便于独立管理。
-
类型安全:充分利用生成的类型定义,确保API调用的类型安全。
-
环境适配:根据不同的环境(开发、测试、生产)配置不同的Axios实例。
总结
通过为openapi-typescript-codegen生成命令添加--name参数,我们可以获得完整的Axios客户端结构,从而能够灵活地自定义HTTP请求行为。这种方法既保持了自动生成代码的优势,又提供了足够的灵活性来满足各种定制需求。
在实际项目中,合理使用自定义Axios客户端可以显著提高代码的可维护性和一致性,特别是在需要统一处理认证、错误、日志等横切关注点时。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878