首页
/ Strawberry GraphQL 中自定义 Info 类的正确配置方式

Strawberry GraphQL 中自定义 Info 类的正确配置方式

2025-06-14 13:46:16作者:凌朦慧Richard

在 GraphQL 开发中,Strawberry 是一个强大的 Python 库,它提供了灵活的方式来定制 GraphQL 查询的执行上下文。本文将详细介绍如何正确地在 Strawberry GraphQL 中配置自定义的 Info 类。

Info 类的作用

在 Strawberry GraphQL 中,Info 类是一个重要的组件,它包含了当前 GraphQL 查询执行的上下文信息。开发者可以通过继承 Info 类来扩展其功能,添加自定义属性和方法,以满足特定的业务需求。

常见错误配置

许多开发者会尝试直接将自定义的 Info 类传递给 strawberry.Schema 的构造函数,如下所示:

schema = strawberry.Schema(query=Query, info_class=CustomInfo)

这种配置方式在旧版本的 Strawberry 中可能有效,但在当前版本中已经不再适用。这种错误的配置会导致运行时错误,因为 Strawberry 的 API 已经发生了变化。

正确的配置方法

正确的做法是通过 StrawberryConfig 来配置自定义的 Info 类。StrawberryConfig 是 Strawberry 提供的配置容器,专门用于集中管理各种 Schema 级别的配置选项。

schema = strawberry.Schema(
    query=Query,
    config=StrawberryConfig(info_class=CustomInfo)
)

自定义 Info 类的实现示例

下面是一个完整的自定义 Info 类实现示例,展示了如何扩展 Info 类以访问 HTTP 响应头:

from strawberry.types import Info
from strawberry import StrawberryConfig
from somewhere import Headers  # 根据实际项目导入 Headers 类型

class CustomInfo(Info):
    @property
    def response_headers(self) -> Headers:
        """获取当前 HTTP 响应的头部信息"""
        return self.context["response"].headers

# 创建 Schema 时使用自定义的 Info 类
schema = strawberry.Schema(
    query=Query,
    config=StrawberryConfig(info_class=CustomInfo)
)

为什么需要这种配置方式

这种通过 StrawberryConfig 的配置方式有以下几个优点:

  1. 一致性:所有 Schema 配置都通过统一的接口管理
  2. 可扩展性:未来添加新的配置选项不会破坏现有代码
  3. 明确性:清晰地表明了配置的意图和范围

实际应用场景

自定义 Info 类在以下场景中特别有用:

  1. 需要在解析器中访问特定的上下文信息
  2. 想要为解析器提供便捷的辅助方法
  3. 需要统一处理某些上下文数据的访问逻辑

总结

在 Strawberry GraphQL 中正确配置自定义 Info 类需要注意使用 StrawberryConfig 作为配置容器。这种方式不仅符合当前版本的 API 设计,也为未来的扩展提供了良好的基础。开发者应该避免直接传递 info_class 参数给 Schema 构造函数,而是采用推荐的配置方式。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
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
494
515
ops-nnops-nn
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++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
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++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
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。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 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 Notebook
647
284