Retrofit-Spring-Boot-Starter 中实现响应内容预处理的最佳实践
2025-07-07 02:57:05作者:邵娇湘
在实际开发中,我们经常会遇到需要统一处理API响应格式的场景。特别是在使用Retrofit作为HTTP客户端时,如何优雅地处理固定的响应结构是一个值得探讨的话题。
常见的响应格式问题
典型的API响应往往采用统一包装格式,例如:
{
"code": 200,
"data": {},
"msg": null
}
其中:
code字段表示业务状态码data字段包含实际业务数据msg字段用于错误信息提示
这种设计虽然规范,但直接使用会导致每个接口都需要重复处理这些包装逻辑,增加了代码冗余和维护成本。
解决方案:自定义CallAdapter
Retrofit的强大之处在于其高度可扩展性,通过自定义CallAdapter可以完美解决这个问题。CallAdapter是Retrofit中负责将Call对象转换为其他类型(如RxJava Observable)的适配器。
实现步骤
-
创建自定义CallAdapterFactory: 继承CallAdapter.Factory类,实现自定义逻辑
-
响应处理逻辑:
- 检查HTTP状态码
- 解析JSON响应
- 验证业务状态码
- 提取data字段或抛出异常
-
注册自定义Factory: 通过Retrofit.Builder添加到Retrofit实例
核心代码示例
public class UnifiedResponseAdapterFactory extends CallAdapter.Factory {
@Override
public CallAdapter<?, ?> get(Type returnType, Annotation[] annotations, Retrofit retrofit) {
// 判断是否需要处理该返回类型
if (getRawType(returnType) != Call.class) {
return null;
}
// 获取实际响应类型
Type responseType = getCallResponseType(returnType);
return new CallAdapter<Object, Call<?>>() {
@Override
public Type responseType() {
return responseType;
}
@Override
public Call<Object> adapt(Call<Object> call) {
return new UnifiedResponseCall<>(call);
}
};
}
}
UnifiedResponseCall实现
class UnifiedResponseCall<T> implements Call<T> {
private final Call<Response<T>> delegate;
UnifiedResponseCall(Call<Response<T>> delegate) {
this.delegate = delegate;
}
@Override
public void enqueue(Callback<T> callback) {
delegate.enqueue(new Callback<Response<T>>() {
@Override
public void onResponse(Call<Response<T>> call, retrofit2.Response<Response<T>> response) {
if (response.isSuccessful()) {
Response<T> body = response.body();
if (body.getCode() == 200) {
callback.onResponse(UnifiedResponseCall.this,
retrofit2.Response.success(body.getData()));
} else {
callback.onFailure(UnifiedResponseCall.this,
new BusinessException(body.getCode(), body.getMsg()));
}
} else {
callback.onFailure(UnifiedResponseCall.this,
new HttpException(response.code(), response.message()));
}
}
@Override
public void onFailure(Call<Response<T>> call, Throwable t) {
callback.onFailure(UnifiedResponseCall.this, t);
}
});
}
// 其他必要方法实现...
}
业务异常处理
建议定义自定义异常类来区分不同类型的错误:
public class BusinessException extends RuntimeException {
private final int code;
public BusinessException(int code, String message) {
super(message);
this.code = code;
}
public int getCode() {
return code;
}
}
在Spring Boot中集成
在Retrofit-Spring-Boot-Starter中,可以通过配置类轻松注册自定义CallAdapter:
@Configuration
public class RetrofitConfig {
@Bean
public UnifiedResponseAdapterFactory unifiedResponseAdapterFactory() {
return new UnifiedResponseAdapterFactory();
}
}
优势总结
- 代码简洁:接口方法直接返回业务数据类型,无需处理包装逻辑
- 统一异常处理:集中管理业务异常和HTTP异常
- 易于维护:修改响应格式处理逻辑只需调整一处
- 类型安全:保持Retrofit强类型检查的优势
通过这种方式,开发者可以专注于业务逻辑开发,而将重复的响应处理工作交给框架自动完成,大幅提升开发效率和代码质量。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
304
2.66 K
Ascend Extension for PyTorch
Python
131
159
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
458
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++
630
221
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.48 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
206