Orval项目中如何处理DELETE请求的204 No Content响应问题
2025-06-17 02:19:14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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.25 K
暂无简介
Dart
619
140
🔥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
62
19
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
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++
647
261
🎉 (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
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76