使用wretch库优雅处理HTTP 202 Accepted响应
2025-06-10 21:43:05作者:秋阔奎Evelyn
在RESTful API开发中,HTTP 202 Accepted状态码表示服务器已接受请求但尚未完成处理。这种响应常见于异步操作或后台任务处理场景。本文将介绍如何在使用wretch库时优雅地处理这类响应。
HTTP 202状态码的特点
HTTP 202状态码表示服务器已接受请求,但处理尚未完成。与200 OK不同,202响应通常不包含响应体(body),因为结果尚未产生。这种设计模式常见于以下场景:
- 长时间运行的后台任务
- 需要异步处理的大型文件上传
- 批处理操作
- 需要人工审核的流程
传统处理方式的局限性
开发者通常会使用wretch的链式调用处理API响应:
api.post(content)
.json()
.then((responseBody) => {...})
但当遇到202响应时,这种方法会失效,因为:
- 202不是错误状态码,无法使用.error()捕获
- 202响应通常没有响应体,.json()会抛出解析错误
解决方案:自定义中间件
wretch提供了中间件机制,我们可以利用它创建自定义处理逻辑:
// 定义自定义错误类
class NoContentError extends Error {
name = 'NoContentError';
message = '202 No Content';
}
// 创建wretch实例并添加中间件
const api = wretch(baseUrl)
.middlewares([next => async (url, opts) => {
const res = await next(url, opts);
if (res.status === 202) {
throw new NoContentError();
}
return res;
}])
.catcher("NoContentError", (error) => {
console.log('后台处理中...');
// 可以在这里添加用户通知逻辑
});
实现原理
- 中间件拦截:在请求链中添加中间件,检查响应状态码
- 错误转换:将202响应转换为自定义错误抛出
- 错误捕获:使用.catcher()专门捕获并处理这种自定义错误
优势分析
这种方法相比直接处理原始响应有以下优点:
- 代码整洁:保持wretch的链式调用风格
- 逻辑集中:202处理逻辑集中在中间件,避免重复代码
- 可扩展性:可以轻松添加对其他状态码的特殊处理
- 错误处理统一:与其他错误处理机制保持一致
实际应用建议
在实际项目中,可以考虑:
- 将中间件封装为可复用模块
- 扩展自定义错误类,携带更多上下文信息
- 结合项目状态管理(如Redux)进行全局通知
- 为长时间运行的任务添加进度查询机制
通过这种设计,开发者可以优雅地处理各种异步API响应,同时保持代码的可读性和可维护性。
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 StartedRust0582- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript025
paper-ai搜索真实文献并生成引用对应文献的AI论文TSX03
phyaiPhyAI 是一个用于运行 Physical AI 模型(VLA、WAM 等)的高性能框架,支持云端推理服务和端侧部署。Python00
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
xiaobei专门为 OPC / 中小微企业准备的自媒体获客智能体Markdown02
热门内容推荐
最新内容推荐
项目优选
收起
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
511
551
暂无描述
Markdown
854
5.69 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++
1.05 K
2.5 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
840
1.28 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++
848
1.71 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++
1.25 K
1.38 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.34 K
859
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
511
347
CANN 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 Notebook
789
414