graphql-request 请求中间件中Headers对象处理的注意事项
2025-06-04 07:29:17作者:袁立春Spencer
在graphql-request库中使用请求中间件(RequestMiddleware)时,开发者可能会遇到一个常见陷阱:直接展开(spread)Headers对象会导致原始请求头丢失。本文深入分析这个问题并提供解决方案。
问题现象
当开发者按照示例代码编写请求中间件时:
const requestMiddleware: RequestMiddleware = async (request) => {
return {
...request,
headers: {
...request.headers, // 这里会丢失原始headers
'x-auth-token': await getAccessToken(),
},
}
}
会发现原始请求头全部丢失,只保留了新添加的'x-auth-token'头。这是因为request.headers是Headers类的实例,而展开运算符(...)对Headers实例的处理方式与普通对象不同。
技术原理
Headers是Fetch API规范定义的接口,它实现了特定的迭代行为。当尝试用展开运算符处理Headers实例时:
- Headers实例不是纯JavaScript对象
- 它的可枚举属性与普通对象不同
- 直接展开只会得到一个空对象
解决方案
方案一:使用Headers API
const requestMiddleware: RequestMiddleware = async (request) => {
const headers = new Headers(request.headers);
headers.set('x-auth-token', await getAccessToken());
return {
...request,
headers
}
}
这种方法:
- 创建新的Headers实例
- 保留所有原始头信息
- 使用标准API添加新头
方案二:转换为普通对象
const requestMiddleware: RequestMiddleware = async (request) => {
const headers = Object.fromEntries(request.headers.entries());
return {
...request,
headers: {
...headers,
'x-auth-token': await getAccessToken(),
}
}
}
这种方法:
- 先将Headers转换为键值对对象
- 然后可以正常使用展开运算符
- 但返回的是普通对象而非Headers实例
最佳实践建议
- 如果后续处理需要Headers实例,优先使用方案一
- 如果需要与期望普通对象的其他库交互,可以使用方案二
- 在中间件中明确处理头的合并逻辑,避免意外覆盖
版本兼容性说明
这个问题在不同版本的graphql-request中表现可能不同,因为:
- 早期版本可能在内部进行了Headers转换
- 新版本更严格遵循Fetch规范
- 建议开发者不要依赖隐式的类型转换
理解这些底层细节有助于开发者编写更健壮的graphql请求中间件,避免在身份验证、跟踪等重要功能中出现难以调试的问题。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。Python00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 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++
889
616
Ascend Extension for PyTorch
Python
353
420
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
339
186
🔥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
67
20
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
12
1
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
988
253
暂无简介
Dart
778
194
🎉 (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
1.35 K
759