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。
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