Uppy Companion 模块在 ESM 导入时的正确使用方式
2025-05-05 16:48:24作者:秋阔奎Evelyn
Uppy 是一个流行的文件上传库,而 Companion 是其服务器端组件。最近有开发者反馈在升级到 4.10.0 及以上版本时遇到了 Cannot read properties of undefined (reading 'app') 的错误。本文将深入分析这个问题并提供解决方案。
问题背景
当开发者尝试从 @uppy/companion 导入并使用 companion.app() 方法时,在某些情况下会遇到以下错误:
TypeError: Cannot read properties of undefined (reading 'app')
这个问题主要出现在使用 ES 模块(ESM)导入方式时,特别是在 TypeScript 或现代 JavaScript 项目中。
根本原因
问题的根源在于模块导入方式的不同。在 CommonJS (CJS) 环境中,直接使用 require 导入可以正常工作:
const companion = require('@uppy/companion')
但在 ESM 环境中,直接使用 import 导入会导致 companion.app 不可用:
import companion from '@uppy/companion' // 这种方式可能有问题
这是因为 Companion 模块的导出方式在 ESM 和 CJS 环境下有所不同。
解决方案
方案一:使用命名空间导入
最可靠的解决方案是使用命名空间导入方式:
import * as companion from '@uppy/companion'
const appResult = companion.app(companionOptions)
const companionApp = appResult.app
app.use('/', companionApp)
companion.socket(app.listen(3020))
这种方式无论在 TypeScript 还是 JavaScript 中都能正常工作。
方案二:直接解构导入
如果你确定使用的是支持的环境,也可以直接解构导入:
import { app as companionApp, socket } from '@uppy/companion'
app.use('/', companionApp(companionOptions))
socket(app.listen(3020))
方案三:混合导入方式
在某些情况下,可以结合默认导入和命名导入:
import companion, { socket } from '@uppy/companion'
const { app } = companion.app(companionOptions)
app.use('/', app)
socket(app.listen(3020))
配置注意事项
无论使用哪种导入方式,配置 Companion 时都需要注意以下几点:
- 必须配置 secret:这是安全必需的
- 生产环境需要 uploadUrls:否则会拒绝启动
- 文件路径需要存在:确保
filePath指向的目录可写 - 服务器配置要匹配:
server.path必须与 Express 路由匹配
最佳实践建议
- 在 TypeScript 项目中,优先使用命名空间导入方式
- 对于新项目,建议直接使用 ESM 模块规范
- 升级时注意检查导入语句是否需要调整
- 生产环境务必配置所有安全相关选项
总结
Uppy Companion 是一个功能强大的文件上传服务端组件,正确理解其在不同模块系统下的导入方式对于项目成功集成至关重要。通过本文介绍的方法,开发者可以避免常见的导入错误,确保项目顺利运行。
对于从旧版本升级的项目,特别需要注意模块导入方式可能发生的变化。遵循这些实践建议,可以大大减少集成过程中遇到的问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
24
9
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322