axios项目中请求体参数类型转换问题的分析与解决
2025-04-28 18:12:22作者:农烁颖Land
问题背景
在使用React Native开发过程中,开发者Suri-cbl遇到了一个关于axios库发送POST请求时参数类型被意外转换的问题。当使用axios发送包含数字数组的请求时,服务器接收到的参数被自动转换为字符串类型,而同样的请求使用fetch API则能保持原始的数字类型。
问题现象
开发者尝试发送一个包含单个数字的数组[56438]作为请求体:
const rawData = [56438]
const accessToken = storage.getToken();
return axiosInstance.post<ResponseAgingAnalysis>(endpoints.agingAnalysis, rawData)
通过axios发送后,服务器接收到的数据变成了:
{
"0": "56438"
}
而使用fetch API发送相同数据时:
headers.append('Authorization', `Bearer ${accessToken}`);
headers.append('Content-Type', 'application/json; charset=utf-8');
return fetch('url', {body: JSON.stringify(rawData), method:'POST', headers});
服务器接收到的数据保持了原始类型:
{
"0": 56438
}
问题分析
经过深入排查,开发者发现问题的根源在于请求头(Headers)的配置。axios默认情况下会使用application/x-www-form-urlencoded作为Content-Type,这种格式会将所有值转换为字符串。而fetch API中明确设置了application/json作为Content-Type,因此保持了原始数据类型。
解决方案
要解决这个问题,需要在axios请求中明确指定正确的Content-Type:
const rawData = [56438];
const accessToken = storage.getToken();
const config = {
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${accessToken}`
}
};
return axiosInstance.post<ResponseAgingAnalysis>(endpoints.agingAnalysis, rawData, config);
技术要点
-
Content-Type的重要性:不同的Content-Type会影响请求体的编码方式和数据类型处理
application/json:保持JavaScript对象的原始类型application/x-www-form-urlencoded:所有值都会被转换为字符串
-
axios与fetch的差异:
- axios有默认的请求头配置
- fetch需要手动设置所有请求头
- axios会自动转换请求体数据,而fetch需要手动调用JSON.stringify()
-
React Native中的网络请求:
- 在移动端开发中,数据类型一致性尤为重要
- 服务器端可能对数据类型有严格要求
最佳实践建议
- 在使用axios时,始终明确设置Content-Type
- 对于JSON数据,统一使用
application/json作为Content-Type - 在团队开发中,建立统一的API请求规范
- 对于重要API,编写测试用例验证请求和响应数据类型
总结
这个问题展示了网络请求中Content-Type设置的重要性,特别是在需要保持数据类型一致性的场景下。通过正确配置axios的请求头,开发者成功解决了参数类型被意外转换的问题。这也提醒我们在使用任何HTTP客户端库时,都应该了解其默认行为并根据需要进行适当的配置。
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