Wretch项目中实现请求级错误处理配置的技巧
2025-06-10 18:38:08作者:尤辰城Agatha
在JavaScript的HTTP客户端库Wretch中,开发者经常需要为不同的请求配置不同的错误处理策略。本文将通过一个实际案例,探讨如何在Wretch中实现请求级别的错误处理配置,并避免常见的状态共享问题。
问题背景
在开发基于Wretch的HTTP客户端时,我们可能需要为不同的API请求设置不同的错误处理策略。例如,某些请求需要在特定HTTP状态码(如409冲突)时抛出错误,而其他请求则可能需要完全不同的错误处理逻辑。
初始实现方案
最初,开发者可能会尝试通过Wretch的addon机制来实现这一功能。一个典型的实现可能如下:
const throwOn: WretchAddon<ThrowOnAddon> = {
wretch: {
_throwOn: {
all: false,
statusCodes: []
},
throwOnAny() {
this._throwOn.all = true;
return this;
},
throwOn(statusCode: number) {
this._throwOn.statusCodes.push(statusCode);
return this;
}
}
};
这种实现看似合理,但实际上存在一个严重问题:所有Wretch实例共享同一个配置对象。这是因为JavaScript中对象是通过引用传递的,导致修改一个实例的配置会影响所有其他实例。
问题分析与解决方案
这个问题的根源在于JavaScript的对象引用机制。在原始实现中,所有Wretch实例共享同一个_throwOn对象引用。当我们在一个实例上调用throwOn或throwOnAny方法时,实际上是在修改所有实例共享的同一个对象。
正确的做法是每次修改配置时都创建一个新的配置对象。我们可以使用对象展开运算符(...)来实现这一点:
const throwOn: WretchAddon<ThrowOnAddon> = {
wretch: {
_throwOn: {
all: false,
statusCodes: []
},
throwOnAny() {
return {
...this,
_throwOn: {
...this._throwOn,
all: true,
}
};
},
throwOn(statusCode: number) {
return {
...this,
_throwOn: {
...this._throwOn,
statusCodes: [...this._throwOn.statusCodes, statusCode]
}
};
}
}
};
这种实现确保了每次配置修改都会创建一个新的对象,从而避免了实例间的状态共享问题。
实际应用示例
让我们看一个实际使用这个addon的例子:
const base = wretch('https://api.example.com').addon(throwOn);
const userApi = base.url('/users').throwOn(404);
const orderApi = base.url('/orders').throwOn(409);
const adminApi = base.url('/admin').throwOnAny();
// 每个实例都有独立的错误处理配置
console.log({
userApi: userApi._throwOn,
orderApi: orderApi._throwOn,
adminApi: adminApi._throwOn
});
输出结果将显示每个实例都有自己独立的配置:
{
userApi: { all: false, statusCodes: [404] },
orderApi: { all: false, statusCodes: [409] },
adminApi: { all: true, statusCodes: [] }
}
最佳实践建议
- 避免共享状态:在Wretch addon开发中,始终注意避免在实例间共享可变状态。
- 使用不可变更新:像上面示例那样,使用对象展开运算符或其他不可变更新技术来修改配置。
- 考虑性能影响:虽然创建新对象会带来轻微的性能开销,但在大多数情况下这是可以接受的代价。
- 清晰的文档:为你的addon编写清晰的文档,说明其行为和配置方式。
总结
在Wretch项目中实现请求级别的错误处理配置时,理解JavaScript的对象引用机制至关重要。通过采用不可变更新模式,我们可以确保每个Wretch实例都有自己独立的配置,从而实现灵活且可靠的错误处理策略。这种方法不仅适用于错误处理场景,也可以推广到其他需要请求级别配置的addon开发中。
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 StartedRust0212
cann-learning-hubCANN 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 Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
961
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++
872
2.01 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++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430