在Orval项目中使用React Query与Fetch进行API交互
2025-06-17 16:50:35作者:房伟宁
Orval是一个强大的OpenAPI客户端生成工具,它能够根据API规范自动生成类型安全的客户端代码。最新版本7.0中,Orval对React Query与Fetch的集成提供了更好的支持,使得开发者可以更灵活地选择HTTP客户端。
React Query与Fetch集成的背景
传统上,许多React项目使用Axios作为HTTP客户端,但随着现代浏览器对Fetch API的全面支持,越来越多的开发者希望使用更轻量级的Fetch方案。Orval 7.0版本通过引入httpClient: 'fetch'配置选项,简化了这一集成过程。
配置方法
在Orval配置文件中,开发者现在可以明确指定使用Fetch作为HTTP客户端:
output: {
target: 'src/generated',
schemas: 'src/generated',
client: 'react-query',
httpClient: 'fetch',
mode: 'tags-split',
// 其他配置...
}
这一配置会生成专门针对Fetch优化的React Query hooks,避免了之前版本中需要手动处理类型不匹配的问题。
自定义Fetch实现
对于需要特殊处理的场景,Orval仍然支持自定义Fetch实现。开发者可以提供自己的Fetch封装函数,只需确保其签名与标准Fetch兼容:
export const customFetch = async <T>(
config: {
url: string
method: 'GET' | 'POST' | 'PUT' | 'DELETE' | 'PATCH'
data?: BodyInit
params?: Record<string, unknown>
},
options?: RequestInit
): Promise<T> => {
// 自定义实现逻辑
}
生成代码的变化
7.0版本生成的代码更加简洁和类型安全。例如,对于创建Todo的API,生成的hook会正确处理Fetch的参数格式:
export const createNewTodo = (options?: RequestInit) => {
return customFetch<ApiResponse>('/v1/todo', {
method: 'POST',
...options
})
}
最佳实践
- 错误处理:在自定义Fetch实现中加入统一的错误处理逻辑
- 请求拦截:利用Fetch的拦截器特性实现认证、日志等功能
- 类型安全:确保自定义Fetch实现保持完整的类型推断
- 性能优化:考虑添加请求缓存、取消等高级功能
Orval 7.0的这些改进使得React Query与Fetch的集成更加无缝,为开发者提供了更多选择自由,同时保持了类型安全和开发体验的一致性。
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-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
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
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
375
3.25 K
暂无简介
Dart
619
140
🔥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
62
19
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
479
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++
647
261
🎉 (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
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76