Sa-Token框架集成Freemarker模板引擎的实践指南
2025-05-12 09:18:23作者:史锋燃Gardner
背景介绍
在现代Java Web开发中,权限认证框架Sa-Token与模板引擎的集成是常见需求。虽然官方文档主要展示了与Thymeleaf的集成方案,但实际项目中Freemarker作为老牌模板引擎仍被广泛使用。本文将深入探讨如何在Sa-Token框架中实现与Freemarker的无缝集成。
核心问题分析
传统Freemarker模板中访问Session对象通常采用Session["key"]语法,但在Sa-Token框架中需要特殊处理才能正确获取到框架管理的会话数据。这是因为Sa-Token采用了自身的会话管理机制,与传统Servlet Session存在差异。
集成方案实现
1. 基础环境配置
首先确保项目中已包含必要依赖:
<!-- Sa-Token核心 -->
<dependency>
<groupId>cn.dev33</groupId>
<artifactId>sa-token-spring-boot-starter</artifactId>
<version>最新版本</version>
</dependency>
<!-- Freemarker -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-freemarker</artifactId>
</dependency>
2. 自定义Freemarker指令
创建扩展指令来访问Sa-Token会话:
public class SaTokenFreemarkerDirective implements TemplateDirectiveModel {
@Override
public void execute(Environment env, Map params,
TemplateModel[] loopVars,
TemplateDirectiveBody body) throws TemplateException {
String key = params.get("key").toString();
Object value = StpUtil.getSession().get(key);
if(value != null) {
env.setVariable("result", ObjectWrapper.DEFAULT_WRAPPER.wrap(value));
}
if(body != null) {
body.render(env.getOut());
}
}
}
3. 配置Freemarker共享变量
在Spring Boot配置类中注册自定义指令:
@Configuration
public class FreemarkerConfig {
@Autowired
private freemarker.template.Configuration configuration;
@PostConstruct
public void setSharedVariable() throws TemplateModelException {
configuration.setSharedVariable("saSession", new SaTokenFreemarkerDirective());
}
}
模板中使用示例
改造后的模板语法更加符合Sa-Token的设计理念:
<@saSession key="userInfo"; result>
<#if result??>
<!-- 用户已登录时显示的内容 -->
<div>欢迎,${result.username}!</div>
</#if>
</@saSession>
高级特性扩展
- 多会话支持:可扩展指令支持指定登录类型
- 权限校验:集成
StpUtil.checkLogin()等权限API - 标签简化:开发自定义宏简化模板代码
性能优化建议
- 对频繁访问的会话数据建议先在Controller层获取并传入模型
- 复杂判断逻辑尽量在Java代码中处理
- 合理使用Freemarker的缓存机制
结语
通过本文方案,开发者可以优雅地在Freemarker模板中访问Sa-Token会话数据,既保持了框架的安全性特性,又不失模板引擎的灵活性。这种集成方式尤其适合需要渐进式改造的老项目,为传统系统引入现代化的权限管理提供了平滑过渡方案。
实际项目中,建议根据具体业务需求对指令功能进行进一步封装,打造更适合自身项目的模板工具集。同时要注意Freemarker与Sa-Token的版本兼容性,定期更新到稳定版本。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥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
68
20
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
12
1
暂无简介
Dart
799
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
1.37 K
779
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
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
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1