ASP.NET Core Blazor 中处理未找到页面的最佳实践
在ASP.NET Core Blazor应用开发中,处理未找到路径(404)是一个常见的需求。随着.NET 8的发布,微软对Blazor的路由处理机制进行了调整,这给开发者带来了一些新的挑战和思考。
背景与问题
在.NET 7及更早版本中,Blazor应用可以通过在App.razor文件中使用<NotFound>组件来处理未匹配的路由。这种方式简单直观,开发者可以轻松地自定义404页面。然而,在.NET 8中,这一行为发生了变化,未匹配的路由不再自动触发<NotFound>组件。
解决方案探索
经过实践验证,目前最有效的解决方案是结合使用中间件和状态码页面重定向。具体实现方式如下:
-
使用状态码页面重定向:通过
UseStatusCodePagesWithReExecute中间件将所有状态码错误重定向到根路径。 -
API路径特殊处理:对于API路径,需要禁用状态码页面功能,以避免干扰API的正常错误响应。
-
问题详情中间件:为API路径专门配置问题详情中间件,提供标准的错误响应格式。
这种组合方案能够实现与.NET 7相似的用户体验,同时保持URL不变,不会引起不必要的重定向。
技术实现细节
在Program.cs中,可以按照以下顺序配置中间件:
var app = builder.Build();
// 配置状态码页面重定向
app.UseStatusCodePagesWithReExecute("/");
// 为API路径禁用状态码页面功能
app.Use(async (context, next) =>
{
if (context.Request.Path.StartsWithSegments("/api", StringComparison.OrdinalIgnoreCase))
{
var statusCodeFeature = context.Features.Get<IStatusCodePagesFeature>();
if (statusCodeFeature != null && statusCodeFeature.Enabled)
{
statusCodeFeature.Enabled = false;
}
}
await next();
});
// 为API路径配置问题详情中间件
app.UseWhen(context => context.Request.Path.StartsWithSegments("/api"),
appBuilder => appBuilder.UseProblemDetails());
未来发展方向
微软团队已经确认将在.NET 10.0中改进这一功能,计划引入一个特殊的NotFound页面组件,该组件可以与UseStatusCodePagesWithReExecute中间件协同工作,并且支持交互式场景。这一改进将提供更加统一和灵活的404处理机制。
最佳实践建议
-
对于现有.NET 8应用,推荐采用上述中间件组合方案来处理未找到页面。
-
在设计404页面时,考虑用户体验,提供清晰的导航选项和友好的错误信息。
-
对于API端点,确保使用标准化的错误响应格式(如Problem Details),而不是HTML页面。
-
关注.NET 10.0的发布,及时评估新特性是否适合您的应用场景。
通过合理配置中间件和状态码处理,开发者可以在.NET 8及更高版本的Blazor应用中实现灵活且用户友好的404处理机制,同时为未来的升级做好准备。
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