在openapi-typescript项目中实现SWR对非GET请求的支持
2025-06-01 06:19:30作者:魏侃纯Zoe
在实际开发中,我们经常会遇到需要从POST请求获取数据的场景。虽然RESTful规范建议使用GET方法获取数据,但现实情况往往更为复杂。本文将探讨如何在openapi-typescript的SWR集成中实现对非GET请求的支持。
问题背景
在标准的RESTful API设计中,GET方法通常用于数据获取。然而实际项目中,我们可能会遇到以下特殊情况:
- 服务器端对GET请求参数长度有限制
- 需要传递复杂数据结构作为参数
- 历史遗留API设计
- 安全考虑需要将敏感参数放在请求体中
这些情况都可能导致我们需要通过POST方法来获取数据,而openapi-typescript默认的SWR集成只支持GET请求。
技术实现分析
openapi-typescript的SWR集成内部使用了一个简单的fetcher函数,其核心实现如下:
async ([_, path, init]) => {
const res = await client.GET(path, init);
if (res.error) {
throw res.error;
}
return res.data;
}
可以看到,该方法强制使用了GET方法,因此类型系统也限制了只能使用GET端点。
解决方案
方案一:自定义SWR Hook
我们可以创建一个自定义Hook来支持POST请求:
import useSWR from "swr";
import createClient from "openapi-fetch";
import type { paths } from "./api-types";
const client = createClient<paths>();
function usePostQuery<Path extends keyof paths>(
path: Path,
body: paths[Path]["post"]["requestBody"]["content"]["application/json"]
) {
return useSWR([path, body], async ([path, body]) => {
const res = await client.POST(path, { body });
if (res.error) throw res.error;
return res.data;
});
}
这个自定义Hook提供了与原生useQuery相似的体验,同时支持POST请求。
方案二:扩展库功能
从库设计角度,可以考虑添加一个更通用的useFetch Hook:
function useFetch<M extends keyof paths[P], P extends keyof paths>(
method: M,
path: P,
config?: RequestConfig<M, P>
) {
// 实现细节
}
这样设计可以提供更大的灵活性,支持所有HTTP方法。
最佳实践建议
- 缓存策略:对于数据获取的POST请求,确保设置合理的缓存键,通常应该包含请求体内容
- 类型安全:充分利用TypeScript泛型来保持类型安全
- 错误处理:统一错误处理逻辑,与项目中其他数据获取方式保持一致
- 性能优化:考虑实现请求去重,避免相同参数的重复请求
总结
虽然openapi-typescript的SWR集成默认只支持GET请求,但通过自定义Hook或扩展库功能,我们可以轻松实现对非GET请求的支持。这种灵活性在处理现实世界中的API时尤为重要,开发者可以根据实际需求选择最适合的解决方案。
对于长期项目,建议考虑向开源社区贡献这些扩展功能,让更多开发者受益。在实现时要注意保持类型安全和良好的开发者体验,同时遵循SWR的最佳实践。
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 Notebook0118
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 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
1.93 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++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
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
1.1 K
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
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
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
151
253
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
998
609