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
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989