深入理解Sandwich库中API错误响应的处理机制
2025-07-10 06:19:46作者:郦嵘贵Just
在移动开发中,处理API错误响应是每个开发者都需要面对的重要课题。本文将以Sandwich库为例,深入探讨如何正确处理API返回的错误信息,特别是当服务器返回包含详细错误信息的JSON响应体时。
问题背景
在使用Sandwich库处理API响应时,开发者可能会遇到这样的场景:服务器返回400 Bad Request状态码,同时响应体中包含了详细的错误信息(如JSON格式的错误描述)。然而,直接使用message()或messageOrNull方法只能获取到基础的HTTP状态信息,无法提取响应体中的具体错误内容。
错误响应处理机制
Sandwich库提供了完善的API响应处理机制,特别是对于错误响应。当API返回非成功状态码时,我们可以通过以下方式获取完整的错误信息:
- payload属性:这是最直接获取完整响应体的方式,包含了服务器返回的原始数据
- errorBody属性:专门用于访问错误响应体
- messageOrNull:提供简略的错误描述
最佳实践
在实际开发中,推荐采用以下模式处理错误响应:
apiRepository.addItemToCart(productId, quantity)
.onError { error ->
// 直接访问payload获取完整错误响应
val errorBody = error.payload?.string()
// 或者使用errorBody属性
val errorJson = error.errorBody?.string()
// 解析JSON错误信息
val errorMessage = try {
JSONObject(errorBody).getString("error")
} catch (e: Exception) {
"Unknown error"
}
// 更新UI状态
_state.update {
it.copy(
isLoading = false,
error = errorMessage
)
}
}
技术要点解析
-
payload与errorBody的区别:
- payload是原始响应对象,包含完整的响应信息
- errorBody是专门针对错误响应的便捷访问方式
-
错误信息提取:
- 对于JSON格式的错误响应,需要手动解析
- 建议使用try-catch块包裹解析逻辑,防止解析异常
-
状态管理:
- 在ViewModel中合理管理加载状态和错误状态
- 确保UI能够正确反映API调用状态
进阶技巧
对于更复杂的应用场景,可以考虑:
- 创建统一的错误处理拦截器
- 定义数据类来映射标准错误响应格式
- 使用扩展函数简化错误处理逻辑
总结
Sandwich库提供了灵活且强大的API响应处理能力。通过正确使用payload和errorBody属性,开发者可以轻松获取服务器返回的详细错误信息,从而为用户提供更友好的错误提示。理解这些机制对于构建健壮的移动应用至关重要。
记住,良好的错误处理不仅能提升用户体验,还能帮助开发者更快地定位和解决问题。在实际项目中,建议建立统一的错误处理规范,确保整个团队遵循一致的错误处理模式。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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