up-fetch v1.3.0 版本发布:增强请求体处理与配置灵活性
up-fetch 是一个基于原生 fetch API 的轻量级封装库,旨在提供更便捷、更灵活的 HTTP 请求体验。它通过中间件机制和配置预设功能,简化了常见请求场景的处理逻辑,同时保持了与原生 API 的良好兼容性。
新增功能:isJsonifiable 实用工具
v1.3.0 版本引入了一个新的实用工具函数 isJsonifiable,用于判断一个值是否可以被安全地转换为 JSON 格式。这个工具函数在处理请求体时特别有用,可以帮助开发者避免在序列化不可 JSON 化的值时出现意外错误。
在实际应用中,我们经常会遇到需要判断一个对象是否可以被 JSON.stringify 处理的情况。例如,当我们需要发送一个请求时,如果请求体包含不可序列化的内容(如循环引用的对象、函数等),直接调用 JSON.stringify 会导致错误。有了 isJsonifiable,我们可以提前进行安全检查:
if (isJsonifiable(data)) {
// 安全地进行 JSON 序列化
const jsonString = JSON.stringify(data);
} else {
// 处理不可序列化的情况
}
这个工具函数的实现考虑了 JavaScript 中各种可能的数据类型和边缘情况,为开发者提供了可靠的判断依据。
重大变更:请求体处理机制的改进
更灵活的请求体类型支持
本次版本对 serializeBody 选项进行了重要改进。在之前的版本中,serializeBody 只接收可以被 JSON 化的值作为参数。现在,它能够接收任何非空值作为第一个参数,大大提高了灵活性。
这一变化意味着开发者现在可以处理更多类型的请求体,包括但不限于:
- FormData
- URLSearchParams
- Blob
- ArrayBuffer
- 自定义数据结构
类型安全的请求体约束
配合 TypeScript 的类型系统,开发者现在可以通过类型注解来精确控制允许的请求体类型。例如:
const upfetch = up(fetch, () => ({
serializeBody: (body: FormData) => body,
}));
在这个例子中,我们明确指定 serializeBody 只接受 FormData 类型的请求体。当尝试传递其他类型的请求体时,TypeScript 会在编译时给出错误提示,从而避免运行时问题。
这种类型安全的约束机制特别适合在大型项目中使用,它可以帮助团队保持代码一致性,减少因类型不匹配导致的错误。
配置函数的参数变更
另一个重要的架构调整是关于 up-fetch 配置函数的参数传递方式。在 v1.3.0 之前,配置函数的第二个参数具有功能性签名。现在,up 函数直接接收 fetcher 的参数,使得配置可以基于具体的请求信息进行动态调整。
这种改变带来了更直观的配置方式,开发者现在可以根据请求的 URL 或选项来定制不同的默认行为。例如:
const upfetch = up(fetch, (input, options) => ({
baseUrl: 'https://example.com',
timeout: typeof input === 'string' && input.startsWith('/export/')
? 30000
: 5000,
}));
在这个配置中,我们为不同的请求路径设置了不同的超时时间:以 '/export/' 开头的路径使用 30 秒超时,其他路径则使用 5 秒超时。这种基于请求特征的动态配置能力,使得 up-fetch 能够更好地适应复杂的业务场景。
升级建议
对于现有项目升级到 v1.3.0 版本,开发者需要注意以下几点:
- 检查项目中是否依赖了
serializeBody只接收 JSON 化值的特性,必要时调整相关代码。 - 如果使用了配置函数的第二个参数的功能性签名,需要重构为新的参数接收方式。
- 考虑使用新的
isJsonifiable工具函数来增强请求体处理的健壮性。
总体而言,v1.3.0 版本的改进使得 up-fetch 在处理各种 HTTP 请求场景时更加灵活和强大,特别是对于需要处理多种数据格式和动态配置的项目来说,这些改进将显著提升开发体验和代码质量。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00