【亲测免费】 axios-mock-adapter 使用指南和技术文档
2026-01-25 05:40:21作者:龚格成
安装指南
要开始使用 axios-mock-adapter,你需要先确保你的项目已经安装了 axios。接下来,执行以下命令将此模拟适配器添加到你的开发依赖中:
npm install axios-mock-adapter --save-dev
如果你更偏好UMD版本,可以直接在网页端或者非模块化环境中使用以下CDN链接:
项目使用说明
初始化与基本模拟
axios-mock-adapter允许你对 axios 的请求行为进行模拟,便于开发和测试。以下是如何开始模拟的第一个例子:
// 导入axios和axios-mock-adapter
const axios = require("axios");
const MockAdapter = require("axios-mock-adapter");
// 创建axios实例并设置mock适配器
const axiosInstance = axios.create();
const mock = new MockAdapter(axiosInstance);
// 模拟GET请求
mock.onGet('/users').reply(200, { users: [{ id: 1, name: "张三" }] });
// 使用模拟后的axios实例发起请求
axiosInstance.get('/users')
.then(response => {
console.log(response.data); // 输出: { users: [{ id: 1, name: "张三" }] }
});
更高级的使用场景
- 参数匹配: 根据请求中的特定参数进行模拟。
mock.onGet('/users', { params: { searchText: '张' } }).reply(200, { users: [...] });
- 延迟响应:
// 设置所有请求延迟2秒
new MockAdapter(axiosInstance, { delayResponse: 2000 });
- 恢复原始axios配置:
mock.restore();
- 重置模拟器状态:
mock.resetHandlers(); // 只重置模拟处理函数
mock.reset(); // 重置处理函数和历史记录
mock.resetHistory(); // 只重置历史记录
- 网络错误模拟:
mock.onGet('/users').networkError();
- 超时模拟:
mock.onGet('/users').timeout();
- 自定义回复逻辑:
mock.onGet('/users').reply(config => {
// 根据config动态返回不同的数据
});
- 正则表达式匹配URL:
mock.onGet(/\/users\/\d+/).reply(...);
- 指定未匹配请求的行为:
mock.onAny().reply(404);
- 使用Promise作为reply的结果:
mock.onGet("/product").reply(async function (config) {
await someAsyncOperation();
return [200, {...}];
});
API使用文档摘要
- .onGet(path, [matchConfig], [handler]): 设置GET请求的模拟规则。
- .onPost(path, [matcher], [handler]): 设置POST请求的模拟规则。
- .reply(status, [data], [headers]): 回复给模拟请求的状态码、数据和头部信息。
- .replyOnce: 类似于reply,但只对第一次请求有效。
- .networkError: 模拟网络错误。
- .timeout: 模拟请求超时。
- .onAny([handler]): 设置任何类型请求的模拟规则。
结论
axios-mock-adapter 提供了一套强大的API,方便开发者在不依赖真实服务器的情况下进行接口调用的模拟,极大地简化了前端开发和测试流程。掌握以上基础及进阶技巧,将大大提升你的测试效率和代码质量。记得在生产环境中移除或禁用mock适配器,以免影响实际服务的调用。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781