TSED项目中FormData在中间件中无法访问的问题解析
背景介绍
在使用TSED框架处理文件上传时,开发者经常会遇到需要同时处理FormData中的文件和其他表单数据的情况。一个典型场景是前端通过FormData同时上传文件和其他JSON格式的数据。然而,在TSED的最新版本中,开发者发现了一个问题:在中间件中无法访问FormData中的非文件数据,而这些数据在控制器中却可以正常访问。
问题现象
当开发者使用FormData提交包含文件和其他数据的请求时,如果在中间件中使用@BodyParams装饰器尝试获取非文件数据,会得到undefined。但同样的装饰器在控制器方法中却能正常工作。这种行为在TSED 7.33.0版本中是正常的,但在7.75.0版本中出现了问题。
技术分析
这个问题实际上与TSED中间件的执行顺序有关。在TSED框架中,处理multipart/form-data请求的PlatformMulterMiddleware中间件需要先执行,才能正确解析FormData中的内容。然而,默认情况下,自定义中间件的优先级可能导致它在multer中间件之前执行,此时请求体尚未被解析。
解决方案
TSED提供了prioritary选项来控制中间件的执行顺序。通过为自定义中间件设置适当的优先级,可以确保它在multer中间件之后执行:
@Middleware({ prioritary: 11 })
export class TestBodyParamsMiddleware implements MiddlewareMethods {
public use(@BodyParams('list') list: string, @Next() next: Next) {
console.log('List', list);
next();
}
}
将优先级设置为11可以确保中间件在multer中间件之后执行,从而能够正确访问已解析的请求体数据。
处理JSON数据的技巧
当FormData中包含JSON字符串时,开发者可以使用自定义Pipe来简化处理:
@Injectable({
priority: -900
})
export class JsonPipe implements PipeMethods {
transform(value: string) {
return JSON.parse(value);
}
}
export function Json() {
return UsePipe(JsonPipe);
}
然后在控制器中这样使用:
@BodyParams("model") @Json() @Groups("create")
model: CarModelEntity
这个Pipe会自动将JSON字符串转换为对象,方便后续处理。
最佳实践建议
- 当处理multipart/form-data请求时,明确设置中间件的优先级
- 对于JSON数据,考虑使用自定义Pipe来简化转换逻辑
- 在文档中记录中间件的执行顺序,方便团队协作
- 对于复杂的表单处理,考虑使用拦截器(Interceptor)替代中间件
总结
TSED框架在处理multipart/form-data请求时的行为变化,反映了框架对中间件执行顺序控制的改进。通过理解中间件的优先级机制,开发者可以更灵活地控制请求处理流程。同时,利用TSED强大的装饰器和Pipe系统,可以构建出更清晰、更易维护的文件上传处理逻辑。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00