Uppy文件上传前事件监听器的实现与应用
2025-05-05 18:31:25作者:范靓好Udolf
背景介绍
在现代Web应用中,文件上传功能经常需要处理复杂的业务场景。特别是当需要为每个上传的文件配置不同的参数时,传统的批量上传方式就显得力不从心。Uppy作为一个现代化的文件上传库,提供了灵活的扩展机制来满足这类需求。
核心问题
在实际开发中,我们经常会遇到这样的场景:每个文件上传都需要携带不同的认证信息。例如使用Supabase存储服务配合Tus协议时,每个文件都需要一个独立的授权令牌。这个令牌通常只对特定文件有效,无法在多个文件间共享使用。
技术解决方案
Uppy提供了onBeforeRequest这一强大的钩子函数,它会在每次文件上传请求发起前被调用。通过这个机制,我们可以实现以下功能:
- 动态令牌获取:在每次请求前获取新的授权令牌
- 请求头定制:为每个请求设置特定的认证头
- 错误处理:当令牌失效时自动刷新
实现代码示例
import Uppy from "@uppy/core";
import Tus from "@uppy/tus";
let token = null;
async function getAuthToken() {
const res = await fetch("/auth/token");
const json = await res.json();
return json.token;
}
const uppy = new Uppy().use(Tus, {
endpoint: "<your-endpoint>",
async onBeforeRequest(req) {
if (!token) {
token = await getAuthToken();
}
req.setHeader("Authorization", `Bearer ${token}`);
},
async onAfterResponse(req, res) {
if (res.getStatus() === 401) {
token = await getAuthToken();
}
},
});
工作机制解析
- 请求前处理:
onBeforeRequest会在每个文件上传请求前执行,确保每次请求都携带最新的认证信息 - 令牌缓存:通过局部变量缓存令牌,避免重复获取
- 自动刷新:当收到401未授权响应时,自动获取新令牌并重试
应用场景扩展
这种机制不仅适用于认证令牌的场景,还可以应用于:
- 动态生成文件存储路径
- 为不同文件类型设置不同的上传参数
- 实现基于文件内容的特殊处理逻辑
- 多租户系统中的租户隔离
性能考量
虽然这种机制非常灵活,但也需要注意:
- 令牌获取应该是轻量级的操作
- 考虑实现令牌的本地缓存策略
- 对于大批量上传,可能需要优化令牌获取逻辑
总结
Uppy的请求钩子机制为复杂上传场景提供了优雅的解决方案。通过合理使用onBeforeRequest和onAfterResponse,开发者可以轻松实现各种定制化的上传需求,同时保持代码的简洁性和可维护性。这种模式特别适合需要为每个文件单独配置参数的场景,是现代Web应用中文件上传功能的有力工具。
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。C086
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.Python057
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
472
3.49 K
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
213
86
暂无简介
Dart
719
173
Ascend Extension for PyTorch
Python
278
314
React Native鸿蒙化仓库
JavaScript
286
333
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++
848
432
🎉 (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
1.27 K
696
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
🔥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
19