在Next.js中使用Sonner实现服务端组件页面加载时的消息提示
2025-05-23 09:00:26作者:咎岭娴Homer
背景介绍
在Next.js应用中,开发者经常需要在页面加载时向已登录用户显示欢迎消息。随着React Server Components(RSC)的引入,这种需求在实现上遇到了一些新的挑战。本文将探讨如何在Next.js应用中优雅地实现这一功能,特别是结合Sonner这样的toast通知库。
传统实现方式的问题
在传统的客户端渲染中,我们可以直接使用React的useEffect钩子来检测用户登录状态并显示消息。但在RSC环境下,这种方式会遇到几个问题:
- 服务端组件无法直接使用React钩子
- 页面导航时useEffect会重复触发
- 需要避免在服务端渲染时执行客户端逻辑
解决方案探索
1. 客户端组件封装
最直接的解决方案是将相关逻辑封装到一个客户端组件中:
"use client";
import { Session } from "next-auth";
import { useEffect, useRef } from "react";
import { toast } from "sonner";
type HelloBannerProps = {
session: Session | null;
};
export function HelloBanner({ session }: HelloBannerProps) {
const isHandled = useRef(false);
useEffect(() => {
const userName = session?.user?.name;
if (userName && !isHandled.current) {
isHandled.current = true;
requestAnimationFrame(() => toast(`Welcome back to the ${userName}!`));
}
}, [session]);
return null;
}
这种方式的缺点是必须渲染一个空组件,且页面导航时消息会重复显示。
2. 动态导入客户端组件
Next.js提供了动态导入功能,可以更优雅地处理这种情况:
const ClientComponent = dynamic(() => import("./ClientComponent"), {
ssr: false // 禁用服务端渲染
});
export default function ServerComponent() {
return <ClientComponent />;
}
这种方式虽然解决了服务端渲染的问题,但仍然需要渲染一个组件,且无法直接使用钩子。
更优的解决方案
针对这种场景,可以考虑以下改进方案:
- 使用Cookie或LocalStorage标记:在显示欢迎消息后设置标记,避免重复显示
- 服务端直接返回消息:在服务端组件中判断登录状态,将消息作为prop传递给客户端
- 专用Toast服务端组件:如示例中的toast-ease库提供的ServerToastRegister
实现示例
结合Sonner和Next.js的最佳实践可能是:
// layout.tsx
import { ToastBox } from "sonner";
import { ServerToastRegister } from "sonner/server";
export default function RootLayout({ children }) {
return (
<html>
<body>
<ServerToastRegister />
<ToastBox duration={3} toastsVisible={5} />
<main>{children}</main>
</body>
</html>
);
}
// page.tsx
import { toast } from "sonner/server";
export default async function Homepage() {
const session = await getSession();
if (session?.user?.name) {
toast({ title: `Welcome back ${session.user.name}!` });
}
return null;
}
总结
在Next.js的RSC环境中实现页面加载时的消息提示需要考虑服务端和客户端的边界。通过合理使用动态导入、专用服务端toast组件以及状态标记,可以构建出既高效又用户友好的解决方案。关键是要理解RSC的工作原理,并选择适合项目需求的实现方式。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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