在graphql-request中使用getServerSideProps时传递请求头的最佳实践
2025-06-05 16:27:42作者:侯霆垣
在使用Next.js的getServerSideProps进行服务端渲染时,我们经常需要从服务器端获取GraphQL数据。graphql-request是一个轻量级的GraphQL客户端,它提供了简单的方式来发送GraphQL查询。本文将详细介绍如何在getServerSideProps中正确配置请求头。
问题背景
在Next.js应用中,当我们需要在服务端渲染页面时获取数据,通常会使用getServerSideProps函数。这个函数在每次页面请求时都会运行在服务器端。有时我们需要在GraphQL请求中传递特定的请求头,比如认证令牌或其他自定义头信息。
传统解决方案
最直接的方式是在每次调用graphQLClient.request时传递headers参数:
const data = await graphQLClient.request(query, variables, {
headers: {
'Custom-Header': 'value'
}
});
这种方式虽然可行,但存在几个问题:
- 代码重复 - 每次请求都需要重复设置相同的头信息
- 可维护性差 - 如果需要修改头信息,需要在多处修改
- 与eslint规则冲突 - 如果使用了react-query等库,可能会违反深度依赖规则
更优雅的解决方案
graphql-request客户端提供了setHeader方法,可以全局设置请求头:
export const getServerSideProps = async (context) => {
const { id: postId } = context.query;
// 从请求上下文中获取原始头信息
const headers = context.req.headers;
const accessToken = headers['app_header'];
// 全局设置请求头
graphQLClient.setHeader('new_header', accessToken);
// 执行GraphQL查询
const data = await graphQLClient.request(query, { postId });
return { props: { data } };
};
方法优势
- 一次性设置:只需在客户端初始化后设置一次,所有后续请求都会自动包含这些头信息
- 代码简洁:避免了在每个请求中重复设置头信息
- 易于维护:头信息集中管理,修改时只需改动一处
- 兼容性好:不会与eslint规则产生冲突
实现原理
graphql-request的setHeader方法会将头信息存储在客户端的配置中。当执行request方法时,这些预定义的头信息会自动包含在HTTP请求中。这种方式类似于其他HTTP客户端(如axios)的拦截器机制。
注意事项
- 如果头信息需要根据每个请求动态变化,仍然需要在request方法中单独设置
- 在多用户环境下,要注意避免头信息的交叉污染
- 敏感信息(如认证令牌)应该妥善处理,避免安全问题
通过这种方式,我们可以在Next.js的getServerSideProps中高效、安全地使用graphql-request进行数据获取,同时保持代码的整洁和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0118
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
434
3.29 K
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++
694
366
Ascend Extension for PyTorch
Python
240
272
暂无简介
Dart
693
162
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
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869