Orval项目中如何处理DELETE请求的204 No Content响应问题
2025-06-17 12:35:08作者:冯梦姬Eddie
问题背景
在使用Orval生成API客户端代码时,开发者可能会遇到一个常见问题:当API规范中定义了DELETE操作返回204 No Content状态码时,生成的fetch客户端代码仍会尝试解析响应体为JSON,导致运行时错误。
问题分析
根据OpenAPI规范,DELETE操作通常会返回204状态码表示成功删除且没有返回内容。然而Orval默认生成的fetch客户端代码会无条件地对所有响应执行res.json()调用,这在响应体为空时会导致SyntaxError: Unexpected end of JSON input错误。
解决方案
1. 自定义fetch实现
最可靠的解决方案是创建自定义fetch函数,正确处理各种响应情况:
const getBody = async <T>(response: Response): Promise<T> => {
const text = await response.text();
if (!text) {
return {} as T;
}
const contentType = response.headers.get("content-type");
if (contentType?.includes("application/json")) {
return JSON.parse(text);
}
return text as unknown as T;
};
export const customFetch = async <T>(
url: string,
options: RequestInit,
): Promise<T> => {
const request = new Request(url, options);
const response = await fetch(request);
const data = await getBody<T>(response);
return { status: response.status, data } as T;
};
2. Orval配置调整
在Orval配置文件中指定使用自定义fetch函数:
{
output: {
client: 'fetch',
override: {
fetch: {
custom: './path/to/custom-fetch.ts'
}
}
}
}
最佳实践建议
-
响应处理一致性:确保API设计遵循RESTful原则,204响应确实不应该包含响应体。
-
错误处理:在自定义fetch中添加适当的错误处理逻辑,考虑网络错误、超时等情况。
-
类型安全:为自定义fetch函数添加完善的TypeScript类型定义,确保生成的代码类型安全。
-
测试覆盖:为各种响应情况(空响应、JSON响应、非JSON响应)编写测试用例。
总结
Orval作为API客户端代码生成工具,默认行为可能无法覆盖所有边缘情况。通过自定义fetch实现,开发者可以灵活处理各种API响应模式,特别是对于204 No Content这类特殊响应。这种方法不仅解决了当前问题,还为未来可能遇到的其他响应处理需求提供了扩展性。
对于团队项目,建议将这种自定义fetch实现作为共享基础设施的一部分,确保所有生成的前端API客户端代码具有一致的行为和错误处理机制。
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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
289
340
Ascend Extension for PyTorch
Python
290
321
暂无简介
Dart
730
175
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
10
1
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
245
105
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++
850
450
🔥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
20
仓颉编程语言运行时与标准库。
Cangjie
149
885