在Orval项目中使用React Query与Fetch进行API交互
2025-06-17 04:59:38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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
771
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
693
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
746
926
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
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++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.94 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
266