NestJS Stripe Webhook 处理中的 JSON 解析问题解决方案
在使用 NestJS 结合 Stripe 处理支付回调时,开发者经常会遇到 "undefined" is not valid JSON 的错误。这个问题通常出现在 Stripe Webhook 的处理过程中,特别是在使用 @golevelup/nestjs-stripe 模块时。
问题根源分析
这个错误的根本原因在于请求的原始体(rawBody)未被正确设置。当 Stripe Webhook 发送事件到服务器时,@golevelup/nestjs-stripe 模块会尝试解析请求体,但如果 rawBody 不存在,就会抛出这个 JSON 解析错误。
解决方案实现
1. 创建 RawBody 中间件
我们需要创建一个专门的中间件来处理 Webhook 请求,确保 rawBody 被正确设置:
import { RawBodyRequest } from '@nestjs/common';
import { json, Request, Response } from 'express';
export interface RawBodyMiddlewareOptions {
limit: string;
rawBodyUrls: string[];
}
export function rawBodyMiddleware(options: RawBodyMiddlewareOptions): unknown {
const rawBodyUrls = new Set(options.rawBodyUrls);
return json({
...options,
verify: (request: RawBodyRequest<Request>, _: Response, buffer: Buffer) => {
if (rawBodyUrls.has(request.url) && Buffer.isBuffer(buffer)) {
request.rawBody = Buffer.from(buffer);
}
return true;
},
});
}
这个中间件会检查请求 URL 是否在指定的 Webhook 路径列表中,如果是,则将请求体保存为 rawBody。
2. 应用中间件配置
在应用的主模块(通常是 main.ts)中,我们需要在标准 bodyParser 之前应用这个中间件:
app.use(
rawBodyMiddleware({
limit: '5mb',
rawBodyUrls: ['/stripe/webhook', '/payment/test'],
}),
);
app.use(bodyParser.json({ limit: '5mb' }));
app.use(bodyParser.urlencoded({ limit: '5mb', extended: true }));
注意中间件的顺序很重要,必须确保 rawBody 中间件在标准 JSON 解析器之前。
3. 配置 Stripe 模块
在 Stripe 模块配置中,我们需要明确指定使用 rawBody 作为请求体来源:
webhookConfig: {
decorators: [SkipThrottle()],
requestBodyProperty: 'rawBody',
stripeSecrets: {
account: configService.get('stripe.account', { infer: true }),
accountTest: configService.get('stripe.account', { infer: true }),
},
},
特别需要注意的是,在开发环境中使用 Stripe CLI 测试时,必须正确设置 accountTest 配置项,否则可能会遇到签名验证失败的问题。
常见问题排查
-
签名验证失败:如果配置完成后出现
No signatures found matching the expected signature for payload错误,请检查:- 是否正确设置了
accountTest配置 - 本地 Stripe CLI 是否使用了正确的 Webhook 密钥
- 是否正确设置了
-
请求体大小限制:确保设置的 limit 足够大以容纳可能的 Webhook 数据,示例中使用了 5MB 的限制。
-
中间件顺序:确保 rawBody 中间件在所有其他可能修改请求体的中间件之前执行。
最佳实践建议
-
环境区分:为开发和生产环境配置不同的 Webhook 端点,避免测试数据影响生产环境。
-
日志记录:在处理 Webhook 时添加详细的日志记录,便于问题排查。
-
错误处理:实现完善的错误处理机制,确保 Webhook 失败时能够重试或通知相关人员。
-
测试验证:创建专门的测试端点验证 rawBody 是否被正确设置,然后再集成 Stripe Webhook 处理逻辑。
通过以上配置和注意事项,开发者可以稳定可靠地处理 Stripe Webhook 事件,避免 JSON 解析错误和其他常见问题。
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