Retrofit中处理HTTP错误响应时获取错误信息的正确方式
2025-05-02 10:23:25作者:郦嵘贵Just
在使用Retrofit进行网络请求时,开发者经常会遇到需要处理错误响应的情况。一个常见的误区是直接使用Response.message()方法来获取错误信息,但实际上这种方法并不总是有效。
HTTP状态消息与响应体的区别
Retrofit的Response类提供了message()方法,该方法返回的是HTTP协议定义的状态消息(Status Message),例如"OK"、"Not Found"等。然而,现代API设计通常不会在HTTP头中携带详细的错误信息,而是将这些信息放在响应体中。
实际问题分析
当API返回401未授权错误时,服务器可能只返回状态码而不包含状态消息。此时调用response.message()会返回空字符串,这给错误处理带来了困扰。
正确的错误信息获取方式
要获取API返回的详细错误信息,应该遵循以下步骤:
- 检查响应是否成功:
response.isSuccessful() - 对于不成功的响应,解析错误体:
response.errorBody() - 将错误体转换为适当的格式(通常是JSON)
实现示例
suspend fun getRecipes(): Response<List<Recipe>> {
try {
val response = apiService.getRecipes("99")
if (response.isSuccessful) {
response.body()?.let { data ->
if (data.recipes.isNullOrEmpty().not()) {
return Response.Success(data.recipes!!)
}
}
return Response.Error(message = "Empty Data")
} else {
// 解析错误体
val errorBody = response.errorBody()?.string()
val errorMessage = parseErrorMessage(errorBody) ?: "请求失败"
return Response.Error(message = errorMessage)
}
} catch (exception: Exception) {
return Response.Error(message = exception.message ?: "未知错误")
}
}
private fun parseErrorMessage(errorBody: String?): String? {
// 实现JSON解析逻辑,提取错误信息
// 这里可以使用Gson、Moshi等库
}
最佳实践建议
- 统一错误处理:创建一个基础拦截器或包装类来处理所有API错误
- 定义标准错误格式:与后端约定统一的错误响应结构
- 提供默认错误信息:当无法解析错误体时,使用有意义的默认消息
- 记录完整错误:在开发阶段记录完整的错误响应,便于调试
通过这种方式,开发者可以更全面地获取API返回的错误信息,为用户提供更准确的反馈,同时也便于调试和维护。
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
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
288
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
449
🔥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