Uppy Companion 模块在 ESM 导入时的正确使用方式
2025-05-05 21:49:52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
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.25 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
986
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990