Next-Safe-Action 项目中关于表单渐进增强的技术解析
2025-06-29 01:03:52作者:袁立春Spencer
表单渐进增强的实现原理
在 Next.js 应用中实现表单提交时,开发者常常面临一个关键问题:如何在禁用 JavaScript 的情况下仍然保持表单功能正常。这就是所谓的"渐进增强"(Progressive Enhancement)技术。
问题本质分析
Next-Safe-Action 库提供了两种主要的方式来处理表单提交:
- useAction 钩子方式:这是基于 JavaScript 的实现,依赖于客户端交互
- 直接使用 Server Action:这是原生 HTML 表单的工作方式,不依赖 JavaScript
当开发者使用 useAction 钩子时,表单提交完全依赖于 JavaScript 运行。这是因为钩子本身就是 JavaScript 函数,在禁用 JS 的环境下自然无法工作。
正确的渐进增强实现方案
要实现真正的渐进增强,开发者应该采用以下两种方式之一:
方案一:直接使用 Server Action
将 Server Action 直接传递给表单的 action 属性,这是最原生的实现方式:
<form action={serverAction}>
<input name="username" />
<button type="submit">提交</button>
</form>
方案二:使用 React 的 useActionState 钩子
React 18+ 提供了 useActionState 钩子,这是官方推荐的实现渐进增强的方式:
import { useActionState } from "react";
function FormComponent() {
const [state, submitAction, isPending] = useActionState(
serverAction,
initialState
);
return (
<form action={submitAction}>
<input name="username" />
<button type="submit" disabled={isPending}>
提交
</button>
</form>
);
}
技术权衡与选择建议
在实际开发中,开发者需要根据项目需求做出技术选择:
-
追求完整用户体验:使用 Next-Safe-Action 的 useStateAction 钩子,可以获得更丰富的状态管理(isPending、data、error等),但会失去渐进增强能力
-
需要渐进增强:使用 React 原生 useActionState,表单能在无JS环境下工作,但会失去一些便捷的状态管理功能
-
混合方案:可以考虑在关键表单使用 useActionState 保证基本功能,在次要表单使用 useStateAction 获得更好体验
实现示例
以下是一个完整的支持渐进增强的实现示例:
// 服务端 Action 定义
const formAction = createSafeActionClient()
.schema(z.object({ username: z.string() }))
.stateAction(async ({ parsedInput }) => {
return `欢迎, ${parsedInput.username}`;
});
// 客户端组件
function ProgressiveForm() {
const [state, submitAction, isPending] = useActionState(
formAction,
{ data: null, error: null }
);
return (
<div>
<form action={submitAction}>
<input name="username" />
<button type="submit" disabled={isPending}>
提交
</button>
</form>
{state.data && <p>{state.data}</p>}
{state.error && <p>错误: {state.error}</p>}
</div>
);
}
总结
Next-Safe-Action 项目为开发者提供了灵活的表单处理方案。理解渐进增强的实现原理和不同方案的优缺点,可以帮助开发者根据项目需求做出合理的技术选型。对于关键业务表单,建议优先考虑渐进增强实现;对于增强型交互,则可以使用更丰富的钩子功能。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 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++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
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++
689
1.35 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
458
453
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++
1.08 K
1.11 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
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
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
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425