在unjs/ofetch中正确处理错误响应体的方法
2025-06-12 10:40:37作者:伍霜盼Ellen
在使用unjs/ofetch进行HTTP请求时,开发者经常会遇到需要处理错误响应的情况。当服务器返回错误状态码时,我们通常需要获取响应体中的详细信息以便进行错误处理或日志记录。
常见问题场景
许多开发者在尝试使用response.json()方法解析错误响应体时会遇到"Body already used"的错误。这是因为响应体是一个可读流,一旦被读取就无法再次使用。这种设计是为了优化性能,避免重复读取相同的流数据。
解决方案
unjs/ofetch提供了一个更优雅的方式来访问已解析的响应数据。通过response._data属性,开发者可以直接获取已经解析完成的响应体内容,而无需手动调用.json()方法。
实际应用示例
const response = await ofetch(documentUrl, {
method: "POST",
body: requestBody,
async onResponseError({ request, response }) {
// 正确的错误日志记录方式
console.log(
"[fetch response error]",
request,
response.status,
response._data // 直接访问已解析的数据
)
},
})
技术原理
unjs/ofetch在内部会自动处理响应体的解析工作。当请求完成时,它会将解析后的数据存储在_data属性中。这种设计不仅解决了"Body already used"的问题,还提高了代码的执行效率,因为响应体只需要被解析一次。
最佳实践建议
- 始终优先使用
response._data而不是手动解析响应体 - 在处理错误响应时,考虑错误数据的结构一致性
- 对于大型响应体,ofetch的这种设计能显著提升性能
- 在日志记录中,可以结合状态码和错误数据提供更全面的错误信息
通过遵循这些实践,开发者可以更高效地使用unjs/ofetch处理HTTP请求和错误响应,构建更健壮的应用程序。
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137