Saloon项目中实现基于请求体的分页功能解析
2025-07-03 08:24:12作者:傅爽业Veleda
在API开发中,分页是一个常见的需求,而Saloon作为PHP的HTTP客户端,提供了灵活的分页功能。本文将深入探讨如何在Saloon中实现基于请求体(body)而非查询参数或头部的分页功能。
传统分页与请求体分页的区别
大多数API分页实现通常采用两种方式:
- 查询参数分页:如
?page=2&per_page=10 - 头部信息分页:通过自定义HTTP头部传递分页信息
然而,某些API设计更倾向于将分页参数放在请求体中,特别是当API采用JSON格式传输数据时。这种设计通常出现在GraphQL或某些RESTful API中。
Saloon中的分页实现
Saloon提供了CursorPaginator抽象类,开发者可以继承此类实现自定义分页逻辑。核心需要实现四个方法:
getNextCursor()- 从响应中获取下一页的游标isLastPage()- 判断是否最后一页getPageItems()- 获取当前页的数据项applyPagination()- 应用分页参数到请求
请求体分页的关键实现
要实现请求体分页,关键在于applyPagination方法的实现。以下是核心代码分析:
protected function applyPagination(Request $request): Request
{
// 确保请求使用了JSON体
if (!\in_array(HasJsonBody::class, \class_uses($request), true)) {
return $request;
}
if ($this->currentResponse instanceof Response) {
// 合并分页参数到现有JSON体
$request->body()->merge([
'params' => [
'page' => [
'cursor' => $this->getNextCursor($this->currentResponse),
'size' => $this->perPageLimit,
],
],
]);
}
return $request;
}
实现要点说明
-
JSON体检查:首先检查请求是否使用了
HasJsonBody特性,确保可以安全地操作请求体。 -
参数合并:使用
merge方法将分页参数合并到现有请求体中,而不是简单的设置,这样可以保留请求中已有的其他参数。 -
嵌套结构处理:某些API要求分页参数位于嵌套结构中(如示例中的
params.page),Saloon的JSON体处理器支持这种复杂结构的操作。 -
游标和页大小:同时处理游标(cursor)和每页大小(size)参数,确保分页请求的完整性。
实际应用建议
-
错误处理:在实际应用中,应考虑添加更多错误处理逻辑,比如无效游标或超出限制的页大小等情况。
-
性能考虑:对于大数据量分页,建议设置合理的页大小限制,避免单次请求数据过多。
-
API兼容性:确保理解目标API的分页机制,有些API可能对游标有过期时间限制或其他特殊要求。
通过这种实现方式,开发者可以灵活地适应那些要求分页参数位于请求体而非URL或头部的API设计,扩展了Saloon在复杂API场景下的应用能力。
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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
963
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
874
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
184
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
364
431