在wretch项目中复用错误处理函数的TypeScript实践
2025-06-10 08:52:03作者:侯霆垣
wretch是一个轻量级的JavaScript HTTP客户端库,提供了简洁的API来处理网络请求。在实际开发中,我们经常需要处理HTTP错误,特别是认证相关的错误如401(Unauthorized)和403(Forbidden)。本文将介绍如何在wretch项目中优雅地复用这些错误处理函数。
错误处理函数的复用需求
在构建API客户端时,认证错误是常见场景。当token过期时,我们通常希望:
- 自动刷新token
- 使用新token重试原始请求
- 如果再次失败则抛出错误
这种逻辑需要在多个地方复用,而不是在每个请求中重复编写。
初始实现的问题
开发者最初尝试通过类型推断来创建通用的错误处理函数:
type InferClientErrorCallback<Client> =
Client extends Wretch<infer T, infer C, infer R>
? WretchErrorCallback<T, C, R>
: never;
但遇到了类型不匹配的问题,TypeScript无法正确推断回调函数的参数类型。
解决方案
正确的做法是明确定义错误处理函数的类型参数,而不是尝试从客户端实例推断:
async function renewCredentials<T, C, R extends undefined>(
error: WretchError,
req: T & Wretch<T, C, R>
) {
// 刷新token逻辑
const token = await wretch('/renewtoken').get().text();
// 使用新token重试请求
return req
.auth(token)
.get()
.unauthorized(err => { throw err; })
.json();
}
使用方法
定义好通用错误处理函数后,可以轻松地将其应用到客户端实例上:
const client = wretch('/api/v1').resolve((chain) =>
chain
.unauthorized(renewCredentials)
.forbidden(renewCredentials)
);
类型系统解析
这个解决方案的关键在于:
T代表请求返回的数据类型C代表链式调用的上下文类型R代表解析器类型,这里限制为undefined表示不使用特定解析器
通过显式声明这些类型参数,TypeScript能够正确推断错误处理函数中的req参数类型,从而提供完整的类型安全和IDE智能提示。
最佳实践建议
- 对于复杂的错误处理逻辑,建议将其提取为独立函数
- 明确定义类型参数比类型推断更可靠
- 可以在错误处理函数中添加日志记录等横切关注点
- 考虑为不同的错误类型(401/403等)编写特定的处理函数
通过这种方式,我们可以在wretch项目中构建出类型安全且易于维护的API客户端层。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0210
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 Notebook0133
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
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
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java06
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.07 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++
870
2 K
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
468
461
Ascend Extension for PyTorch
Python
749
938
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++
695
1.38 K
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++
1.09 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
226
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
1.03 K
641