Orval项目中如何处理Fetch请求的错误响应码
2025-06-17 16:09:21作者:秋泉律Samson
在Orval项目中,开发者在使用自动生成的API客户端代码时,可能会遇到如何处理HTTP错误响应码的问题。本文将从技术角度深入分析这一场景,并提供最佳实践方案。
Fetch请求的错误处理机制
当使用Fetch API发起请求时,需要特别注意其错误处理机制与传统的XMLHttpRequest有所不同。Fetch API的设计哲学是:只要服务器返回了响应(即使是4xx或5xx状态码),Promise都会resolve,而不会reject。这与许多开发者预期的行为不同。
Orval生成的代码分析
Orval默认生成的API客户端代码通常如下所示:
export const getApiJobSearchJobs = async (params, options) => {
const res = await fetch(getGetApiJobSearchJobsUrl(params), {
...options,
method: 'GET'
})
return res.json()
}
这段代码存在两个潜在问题:
- 没有检查响应状态码
- 直接返回JSON解析结果,无法获取完整的响应信息
改进方案
方案一:扩展响应类型
更完善的解决方案是扩展响应类型,返回包含状态码和数据的完整响应对象:
export type JobSearchResponse = {
status: number;
data: JobResponse[];
};
export const getApiJobSearchJobs = async (params, options) => {
const res = await fetch(getGetApiJobSearchJobsUrl(params), {
...options,
method: 'GET'
})
const data = await res.json();
return { status: res.status, data };
}
这种方式的优势在于:
- 保留了完整的HTTP上下文信息
- 调用方可以灵活处理不同状态码
- 保持了类型安全性
方案二:自定义错误处理
对于需要统一错误处理的场景,可以添加错误拦截层:
export const getApiJobSearchJobs = async (params, options) => {
const res = await fetch(getGetApiJobSearchJobsUrl(params), {
...options,
method: 'GET'
})
if (!res.ok) {
const error = await res.json();
throw new Error(error.message || '请求失败');
}
return res.json();
}
最佳实践建议
-
统一错误处理:在项目中建立统一的错误处理机制,避免每个API调用都重复编写错误处理代码。
-
类型安全:充分利用TypeScript的类型系统,为不同状态码定义不同的响应类型。
-
中间件模式:考虑使用中间件模式处理通用逻辑,如:
- 认证失败自动跳转登录页
- 服务器错误统一提示
- 请求重试机制
-
日志记录:在开发环境中记录完整的请求/响应信息,便于调试。
总结
在Orval项目中处理Fetch请求的错误响应码时,开发者需要理解Fetch API的特殊行为,并根据项目需求选择合适的处理策略。无论是扩展响应类型还是自定义错误处理,关键是要保持代码的一致性和可维护性。通过合理的架构设计,可以构建出健壮的前端API调用层。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217